-
基于深度学习的扫描电子显微镜背散射电子图像晶界检测新方法
为解决复杂显微结构下晶界自动检测难题,研究人员采用深度学习模型(U-Net、HED等),结合拓扑保持性损失函数(clDice)和评估指标(Betti匹配误差),在铀氧化物(UO2)样品扫描电子显微镜背散射电子(SEM-BSE)图像中实现了高精度、拓扑结构准确的晶界检测,为材料微观结构表征提供了一种高效、无需化学刻蚀的新策略。
来源:Computational Materials Science
时间:2026-03-21
-
面向海洋作业的高阶异构多智能体系统分布式预定时最优编队控制:基于自适应柔性性能函数与切换阈值事件触发机制
本文针对具有模型不确定性、强突变干扰和时变干扰的高阶异构多智能体系统,提出了一种分布式预定时最优编队控制策略。该策略结合了自适应非对称边界柔性性能函数、预定时RBF神经网络与强化学习,并引入了切换阈值事件触发机制,有效提升了系统在复杂海洋环境下的收敛速度、控制精度与通信效率。
来源:Communications in Nonlinear Science and Numerical Simulation
时间:2026-03-21
-
脉冲边沿事件触发的二阶非线性多智能体系统滑模一致性控制
本文针对存在未知非线性和外部扰动的二阶多智能体系统(MAS),研究了一种新颖的领导者-跟随一致性控制方法。该方法结合了径向基函数神经网络(RBFNNs)逼近、固定时间收敛滑模控制、脉冲控制和边沿事件触发机制,有效提升了系统的鲁棒性和收敛速度,同时显著降低了通信与计算资源消耗,并能有效避免Zeno行为。
来源:Communications in Nonlinear Science and Numerical Simulation
时间:2026-03-21
-
针对具有状态依赖函数约束的非线性系统自适应容错追踪控制研究
本文聚焦于一类同时面临状态依赖函数约束、执行器故障、外部扰动与通信资源限制的复杂非线性系统控制问题。有别于传统的时间不变或时变约束,文章引入了与系统状态和参考信号相关的约束边界,并基于tan型障碍李雅普诺夫函数(BLF)和反步法,设计了一种结合动态记忆事件触发机制(DMETM)的自适应神经网络容错控制器。该方案在确保系统状态不违反约束的同时,实现了对期望轨迹的跟踪,并有效提升了系统的故障容忍能力和资源利用效率。仿真结果验证了方法的有效性。
来源:Communications in Nonlinear Science and Numerical Simulation
时间:2026-03-21
-
无人机辅助空间-空-地-海一体化网络中联合模型划分与带宽分配的优化框架:一种基于A3C-PPO混合强化学习方法
本文针对无人机(UAV)辅助移动边缘计算(MEC)在空间-空-地-海一体化网络(SAGSIN)中,面临资源受限、异构任务卸载及动态环境下的模型划分与带宽分配联合优化难题。作者提出了一种混合A3C-PPO(异步优势演员-评论家-近端策略优化)框架,其中PPO用于处理深度神经网络(DNN)的离散模型划分,A3C用于动态连续带宽分配,并引入加权优先级调度机制。该框架在动态SAGSIN场景下,显著提升了任务完成率、降低了处理延迟、提高了资源利用率,为复杂动态边缘计算环境提供了高效、稳定的协同优化方案。
-
21世纪的努力悖论:神经科学视角下的代价、价值与认知机制
本期特刊聚焦“努力”这一核心但复杂的心理与神经科学构念,旨在回应人工智能时代人类认知角色面临的挑战。研究人员通过综述、元分析与实证研究,深入探讨了努力的神经生物学基础、测量范式、与决策及注意力的交互,及其在精神疾病(如抑郁症、精神分裂症)中的作用,揭示了努力既被视为需最小化的成本,也是意义与价值的源泉。这些工作为理解动机缺陷、开发新型干预策略提供了重要科学依据。
来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE
时间:2026-03-21
-
右额下回在共情中的因果性分离作用:对生理痛与社会痛的不同调节
为了揭示右额下回(rIFG)和背内侧前额叶皮层(dmPFC)在个体对他人生理痛与社会痛共情反应中的具体因果性作用,研究人员采用了焦点经颅直流电刺激(f-tDCS)技术。研究发现,兴奋rIFG可提高对生理痛图像的痛感评分,但降低对社会痛图像的评分,而刺激dmPFC则无显著效果。该结果为rIFG在不同类型疼痛共情中扮演分离性角色提供了直接因果证据,对理解共情的神经机制及开发相关干预策略具有重要意义。
来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE
时间:2026-03-21
-
基于深度学习视频分析揭示墨西哥学生焦虑水平:一项构建新数据集与ConvNet架构的前瞻性研究
本研究聚焦于大学生日益严重的焦虑问题,传统问卷评估存在滞后性、主观性强等局限。为更实时、客观地评估焦虑,研究人员利用计算机视觉(CV)技术,通过设计实验协议构建了一个特定的焦虑视频数据集,并深入探讨了情绪强度分级的适宜数量。在此基础上,他们开发了适用于时空数据处理的ConvNet架构(如CNN3D、CNN3D+Att、TD-CNN)。其中,最优架构在五级强度分类中取得了F1分数0.7620的基线性能,为基于多媒体的焦虑等级自动识别提供了有效方案。这项研究发表在《Algorithms》上,为实时、客观地量化学生焦虑开辟了新途径。
来源:Algorithms
时间:2026-03-21
-
深度与效率的权衡:ResNet模型家族在二元鱼类识别中的比较研究
为了解决水下环境自动鱼类检测的准确性与计算资源效率的平衡问题,研究人员针对ResNet模型家族(ResNet-18, -50, -101, -152)在DeepFish大型数据集上开展了二元鱼类识别性能的系统性比较研究。结果表明,仅18层的ResNet-18模型在阈值优化后即可实现100%的分类准确率,更深层的网络在准确率上增益有限,但显著增加了计算成本。该研究为此类生态学应用中的模型选型提供了兼顾性能与效率的实用指南,并引入了能量加权分数(EWS)作为综合评价指标。
来源:Mathematics
时间:2026-03-21
-
基于其空气动力学的空气弹簧动态刚度神经网络建模
为解决主动悬架控制系统实时计算需求,研究人员开展了空气弹簧非线性特性建模研究。通过建立相对运动状态(位移、速度)与输出力之间的直接非线性功能映射,避免了复杂微观物理方程的计算负担。研究采用渐进式建模策略,从多项式拟合、前馈神经网络到最终提出物理嵌入分层网络,在保留关键非线性滞后特性的同时显著提升了模型的稳定性和精度。此项高保真模型为先进悬架控制策略(如模型预测控制)提供了关键基础,增强了车辆在动态载荷下的适应性。
来源:Mathematics
时间:2026-03-21