-
基于频域特征融合块的联合去马赛克与去噪神经网络(FFNet)
摘要:本文提出一种基于频域特征融合块(Frequency-domain Feature Block, FFB)的端到端深度神经网络——FFNet(Frequency-domain Fusion Network),用于解决彩色图像联合去马赛克(Joint Dem
来源:Mathematics
时间:2026-04-02
-
决策树(DT)与人工神经网络(ANN)在哥伦比亚内瓦日太阳辐照度预测中的比较评估:基于统计残差分析的模型性能研究
摘要:本研究比较了决策树(Decision Tree, DT)与人工神经网络(Artificial Neural Network, ANN)两种机器学习算法在哥伦比亚安第斯地区内瓦(Neiva, 2.930079°N, −75.255650°W)日太阳辐照度(
来源:Technologies
时间:2026-04-02
-
基于联邦学习的农村直播电商用户行为预测模型
Jiafurong Zhang|Xinyue Zhan|Xiao Wang|Jisan Wang韩国京畿道13120,加城大学全球商务管理系摘要农村直播电子商务已成为农产品销售的重要渠道,然而该场景下的用户行为数据通常较为稀疏、异构,并分散在多个平台和地区。联邦图神经网络为分布式
来源:Alexandria Engineering Journal
时间:2026-04-02
-
综述:青少年特发性脊柱侧凸患者体感系统的神经形态学改变:磁共振成像研究的系统回顾
吴启凯(Qikai Wu)、
陈正全(Zhengquan Chen)、
陈康(Kang Chen)、
李欣(Xin Li)、
郭海斌(Haibin Guo)、
周向月(Xiangyue Zhou)、
梁菊萍(Juping Liang)和
杜青(Qing Du)
摘要
背景/目的:本系统评价综合了磁共振成像(MRI)的研究结果,以探讨特发性脊柱侧弯(AIS)青少年患者体感区和前庭区脑部的神经形态学变化。方法:本研究遵循PRISM
来源:Children
时间:2026-04-02
-
一种基于ErMnO3多晶型的新型阈值开关器件,具有可调负差分电阻特性
摘要
负微分电阻(NDR)器件因其固有的非线性和阈值依赖性电学行为而成为神经形态计算的有前景的构建模块。特别是,电流控制的NDR器件可以表现出突然的开关特性、自维持振荡以及波动性——这些关键特性与生物
来源:Advanced Functional Materials
时间:2026-04-02
-
MRTS-Boosting:一种基于质量感知的多变量时间序列分类框架,用于在云层污染条件下实现稳健的水稻检测
作者:Bayu Suseno, Guilhem Brunel, Hari Wijayanto, Kusman Sadik, Farit Mochamad Afendi, Bruno Tisseyre
**亮点**
**主要发现是什么?**
1. **识别特定压力的光谱特征**:本研究确定了马尾松在不同致命压力下的独特高光谱特征。水涝胁迫表现为在绿色波段(534–536 nm)的敏感性,而松木线虫感染则引发了蓝边到红边区域(450–760 nm)的响应。同时首次揭示了光谱指数
来源:Remote Sensing
时间:2026-04-02
-
支持性气质基础疗法的有效性:一项随机对照试验研究方案
背景:支持性气质基础疗法(Temperament-Based Therapy with Support, TBT-S)是一种基于神经生物学(neurobiologically)的、以技能为基础的进食障碍(eating disorders)干预方法,其中患有神经
来源:Frontiers in Psychology
时间:2026-04-02
-
BA-Pred和RMSD-Pred:用于精确蛋白质-配体结合亲和力和结合姿态预测的集成图神经网络模型
在基于结构的药物发现中,准确预测蛋白质-配体(protein-ligand)的结合姿态(bound pose)及其亲和力(affinity)至关重要。在此,研究人员提出一个集成的深度学习框架,该框架在互补的图神经网络(Graph Neural Network,
来源:Journal of Chemical Information and Modeling
时间:2026-04-02
-
一种邻居感知LSTM-PINN模型用于同时进行土壤水分预测和持水函数估计
在异质土壤和不确定边界条件下,从田间观测预测土壤水持水函数(SWRFs)和预测土壤水分仍然具有挑战性。现有方法通常将预测和水力参数估计分开处理,并且可能依赖合成数据或强先验假设。研究人员提出了一种混合框架,该框架耦合了邻居感知长短期记忆(LSTM)网络与物理信
来源:Advances in Water Resources
时间:2026-04-02
-
含固液两相移动界面的地下天然气水合物分解之嵌套神经网络(Neural Network / Nested PINN)建模
建模天然气水合物解离过程中的移动相界面存在显著计算挑战,尤其在考虑温度、压力和自由边界的高度非线性耦合时。为此,研究人员提出了一种新颖的无网格嵌套物理信息神经网络(Physics-Informed Neural Network, PINN)框架,用于模拟恒压及
来源:Advances in Water Resources
时间:2026-04-02