• 用于三维外部声学问题的虚拟边界积分神经网络

  **摘要** 本文提出了一种用于三维外声问题的虚拟边界积分神经网络（VBINN）。该方法在散射体或振动体内部引入一个虚拟边界，并使用神经网络表示与之相关的源密度。基于声学格林函数，该表示满足Sommerfeld辐射条件，并能够在任意场点直接评估声压及其法向导数。由于积分面与物

  来源：Computers & Mathematics with Applications

  时间：2026-10-13

• 面向多周期供应链协同的时空图强化学习：考虑多个第三方物流提供商的联合采购、仓储与多式联运路由优化

  摘要：多周期供应链同步问题（MP-SCSP）在具有周期依赖约束的情况下，协调多个第三方物流（3PL）提供商之间的采购、跨周期仓储和多种运输方式。为应对MP-SCSP快速增长的组合复杂度，本文建立了混合整数线性规划（MILP）模型及对应的马尔可夫决策过程（MDP），并提出了ST

  来源：Computers & Operations Research

  时间：2026-10-13

• 一种用于陶瓷基复合材料 PyC 界面设计的神经网络驱动策略

  摘要 陶瓷基复合材料（CMCs），如SiCf/SiC，通过纤维增强来克服陶瓷固有的脆性，使其在极端环境中的应用极具吸引力。优化纤维-基体界面对于提高抗断裂性至关重要，但传统上依赖昂贵的试错法。本研究采用相场内聚力区模型（PF-CZM）来模拟SiCf/PyC/SiC复合材料的横

  来源：Computational Materials Science

  时间：2026-10-13

• 充气梁慢泄漏情况下坍塌载荷预测的两阶段贝叶斯推断

  •提出了一个两阶段贝叶斯框架，用于预测缓慢泄漏条件下的屈曲载荷。•采用解耦策略解决了逆解的非唯一性问题。•仅利用初始屈曲阶段的数据即实现了无损评估。•预测结果避免了高估，相对误差降低最高可达85.10%。引言充气膜结构因其轻质、便携和可膨胀部署等优异特性，已被广泛应用于航空航

  来源：Acta Astronautica

  时间：2026-10-13

• 利用C、N、S三掺杂TiO₂/Ag₃PO₄/CMC纳米复合材料的太阳能驱动光催化降解双氯芬酸：RSM-ANN集成建模与机理分析

  • 成功合成了可见光活性的C、N、S三掺杂TiO₂/Ag₃PO₄/CMC纳米复合材料。 • 该纳米复合材料实现了高效且稳定的双氯芬酸钠光降解。 • 在弱酸性pH条件下降解效果最佳，这归因于静电相互作用。 • 工艺参数通过响应面法（RSM）进行了优化，并由人工神经网络（ANN）

  来源：Inorganic Chemistry Communications

  时间：2026-10-13

• YOLO-LGA：利用局部至全局注意力机制增强 YOLO 的多类别害虫检测

  •基于卷积神经网络的检测器无法捕捉图像中的长距离依赖关系。•LGA将卷积局部特征与基于Transformer的全局特征耦合在一起。•YOLO-LGA是一种基于YOLOv5-S的轻量级卷积神经网络与Transformer融合检测模型。引言虫害是导致农作物产量显著下降的直接原因。

  来源：Image and Vision Computing

  时间：2026-10-13

• MXene量子点在神经化学传感中的应用：从量子尺度的识别机制到实用的神经诊断平台

  • MXene量子点能够实现神经递质的量子级识别。 • 量子限制和表面化学性质决定了MQD的选择性机制。 • 已经建立了将MQD与神经化学传感联系起来的物理化学原理。 • 对荧光、电化学和双模式MQD传感器进行了深入评估。 • 讨论了面向便携式和转化神经诊断的未来

  来源：Inorganic Chemistry Communications

  时间：2026-10-13

• 用于GC–MS总离子色谱图和FT-IR光谱稳健法医分类的分数阶导数谱图

  • 分数阶导数谱图（FDSM）能够实现对一维信号的稳健分类。 • 单通道色谱图能够保留大部分全

  来源：Forensic Chemistry

  时间：2026-10-13

• 基于成对约束的对比半监督聚类在复杂网络中识别关键节点的方法

  •一种半监督框架在标签有限的情况下识别关键节点。•成对约束将有限的标签信息与常规等价信息整合在一起。•常规等价性同时为约束和节点特征做出贡献。引言复杂网络用于建模现实世界系统中实体之间的相互关系，如交通系统、社交网络、万维网和蛋白质-蛋白质相互作用。识别关键节点——即占据关键

  来源：Expert Systems with Applications

  时间：2026-10-13

• 基于空间-光谱连续先验与子空间卷积的高光谱图像复原

  • 提出了一种无需训练的SCPSC方法用于高光谱图像恢复。• 采用多频率隐式神经表示（INRs）来捕获空间-光谱连续先验。• 嵌入子空间卷积以恢复锐利边缘和离散纹理。• 设计了一种基于重加权SSTV的ADMM优化算法。• 在重度非独立同分布混合噪声下，SCPSC取得了最先进的

  来源：Expert Systems with Applications

  时间：2026-10-13

知名企业招聘：