-
神经仿射多模型:低复杂度训练、结构选择及预测控制(Neural Affine Multi-models: Low-complexity Training, Structure Selection and Predictive Control)
摘要:在非线性模型预测控制(Model Predictive Control, MPC)中,每个采样步均需求解非线性优化问题。尽管逐次泰勒(Taylor)线性化可简化计算,但会在MPC框架中引入模型近似,可能降低控制性能。本研究提出一种新颖的非线性模型结构,可
来源:Neurocomputing
时间:2026-03-18
-
VISDB 2.0:一份人工整理的人类疾病中病毒整合位点及其调控图谱资源库
摘要病毒序列整合到人类基因组中在多种疾病的发病过程中起着关键作用,尤其是癌症。为便于系统地分析这些现象,我们推出了VISDB 2.0,这是一个经过扩展和更新的关于人类病毒整合位点(VIS)的数据库。当前版本包含了来自209篇经过同行评审的文献中的27万多个经过人工筛选的VIS,涉
来源:Scientific Data
时间:2026-03-18
-
大脑的艺术:对萨姆·基萨尤基安所绘300幅画作的回应——诗作
摘要 此内容没有摘要。由于您有权访问该内容,因此此页面提供了完整的HTML内容。您也可以通过“保存PDF”按钮获取该内容的PDF版本。 拉蒙·卡哈尔因神经元学说而闻名, 但真正流传下来的是他的艺术作品,那些精细的绘图, 描绘着各种形态的脑细胞及其突起, 风格类
来源:The British Journal of Psychiatry
时间:2026-03-18
-
深度学习图神经网络与经典机器学习模型在GHS/CLP标准下预测燃烧热作为关键危险指标的对比评估
准确预测燃烧热(Heat of Combustion, HoC)对于燃料设计和化学安全评估至关重要。研究人员系统评估了四种机器学习模型——极限梯度提升(XGBoost)、多层感知器(Multilayer Perceptron, MLP)、图卷积网络(Graph
来源:ACS Omega
时间:2026-03-18
-
汽车车门振动声学分析的综合数值与机器学习框架
本研究提出了一种用于汽车车门振动声学设计的综合框架,该框架结合了数值模拟、实验验证与机器学习技术。研究人员开发了一种简化但模块化的汽车车门原型(CarDoor原型),该原型能够再现真实车门的主要结构和声学特征,同时允许设置灵活的边界条件。通过专项实验活动验证的
来源:Applied Acoustics
时间:2026-03-18
-
面向入侵检测系统(Intrusion Detection System, IDS)的混合推理流水线:通过Stacking结合深度神经网络(Deep Neural Network, DNN)与XGBoost实现现实网络入侵检测
本研究提出一种创新的入侵检测系统(Intrusion Detection System, IDS),通过Stacking方案将最先进深度学习(Deep Learning, DL)架构与极端梯度提升(Extreme Gradient Boosting, XGBo
来源:Ad Hoc Networks
时间:2026-03-18
-
面向物理信息神经网络的一种流感知训练策略
研究人员提出了一种面向物理信息神经网络(Physics-Informed Neural Networks, PINNs)的流感知训练策略。传统PINNs在训练初始阶段即对所有配点进行参数更新,即使部分区域尚无法从边界条件或初始条件获取有效信息。在这些区域内,早
来源:COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING
时间:2026-03-18
-
基于生成式贝叶斯深度学习的复杂地形不确定性感知少样本雪深估计
准确的雪深(Snow Depth, SD)估计对于理解寒区水文过程、陆地-大气相互作用以及冰冻圈(Cryosphere)动态具有关键意义。深度学习(Deep Learning, DL)为遥感雪深估计提供了变革性潜力,然而稀疏、不均匀且地形依赖的地面实测数据使其
来源:International Journal of Applied Earth Observation and Geoinformation
时间:2026-03-18
-
一种用于患者级乳腺癌组织病理学分析的改进混合CNN特征选择与ANN分类框架
组织病理学图像分析在乳腺癌诊断中占据核心地位;然而,由于患者间变异性、数据集异质性和评估限制,开发既可靠又可泛化的计算模型仍具挑战性。这些挑战凸显了验证策略的重要性,即强调可重复性和稳健性与预测性能并重。在本研究中,研究人员提出了一种用于乳腺癌组织病理学分类的
来源:Franklin Open
时间:2026-03-18
-
基于DenseNet(一种CNN模型)的糖尿病视网膜病变5阶段检测
糖尿病(Diabetes Mellitus)由高血糖水平引起,会导致糖尿病视网膜病变(Diabetic Retinopathy, DR),这是一种损害视网膜的不可逆眼部疾病。该病症导致滋养视网膜的血管肿胀、变形和阻塞。根据国际糖尿病视网膜病变分级(Intern
来源:Franklin Open
时间:2026-03-18