-
面向卫星通信的高效率圆形基片集成波导贴片天线设计与优化
本文提出了一种用于高效率卫星通信应用的圆形基片集成波导(Substrate Integrated Waveguide, SIW)贴片天线的设计与优化方案。该设计基于先前提出的双频段结构,通过调整SIW半径、金属化通孔数量及通孔间距等几何参数进行改进,以实现三频
来源:Digital Communications and Networks
时间:2026-03-13
-
基于壳聚糖的自修复涂层使用四种模型和神经网络的服务寿命预测
基于壳聚糖的微封装(microencapsulation)为改善木器涂层的耐久性提供了一种可持续的方法;然而,它们对耦合光热老化(photo–thermal aging)的抵抗力仍然有限。在本研究中,研究人员开发了三种壳聚糖衍生的微胶囊涂层体系——壳聚糖包封木
来源:Industrial Crops and Products
时间:2026-03-13
-
基于图卷积神经网络(Graph Convolutional Neural Network, GCN)的社交网络节点多标签分类模型
图神经网络(Graph Neural Network, GNN)在节点分类任务中表现出色,但现有多数模型依赖均匀或共享权重的聚合方式,缺乏对不同节点间关系强度建模的灵活性。本文提出一种新颖的图耦合卷积模型(Graph Coupling Convolutiona
来源:CMES - Computer Modeling in Engineering and Sciences
时间:2026-03-13
-
基于模型无关元学习(MAML)集成的脑电信号运动想象任务预测
自动化检测运动想象(MI)任务对中风患者假肢康复具有重要价值。运动想象任务的预测可通过记录受试者头皮电极放置处的脑电图(EEG)信号实现;然而,由于EEG信号记录过程中引入的噪声、高类间方差特征向量的提取以及精确分类等挑战,运动想象任务的准确预测仍面临困难。所
来源:CMES - Computer Modeling in Engineering and Sciences
时间:2026-03-13
-
基于新型人工神经网络方法的非均匀动脉磁化混合纳米流体Jeffery–Hamel血流熵生成研究
本研究旨在探讨基于人工神经网络(ANN)的Jeffery–Hamel模型求解方法,重点聚焦于垂直收敛通道中磁流体动力学(MHD)混合纳米流体流动的非牛顿Sisko流体行为。研究人员采用金(Au)和氧化铁(Fe2O3)作为纳米颗粒,并以血液作为基液。Sisko流
来源:Next Materials
时间:2026-03-13
-
面向神经形态计算应用的聚苯胺基有机忆阻器件喷墨打印研究
有机电子学被认为是实现类脑功能的有效候选方案,尤其当应用需要限制功耗时。在众多技术中,忆阻器(memristors)因其非易失性特性及其在人工神经网络(artificial neural networks, ANNs)中作为突触元件的应用而受到日益广泛的关注。
来源:Materials Today Chemistry
时间:2026-03-13
-
面向激光制造中多物理场预测的物理信息耦合残差-傅里叶神经网络
在激光-熔化极惰性气体保护焊(Metal Inert Gas, MIG)复合焊接中,熔池内多物理场预测对于工艺优化和质量控制至关重要。然而,温度场、浓度场和速度场之间的复杂耦合使得传统仿真计算成本高昂。本文提出了一种物理信息耦合残差-傅里叶网络(Physics
来源:Materials & Design
时间:2026-03-13
-
基于物理约束的时空图神经网络蒸散发预测:以朝鲜半岛为例
本研究聚焦于朝鲜半岛区域。研究人员开发了一种基于物理约束的时空图神经网络(Physics-informed Spatio-Temporal Graph Neural Network, ST-GNN)用于蒸散发(Evapotranspiration, ET)预测
来源:Journal of Hydrology
时间:2026-03-13
-
耦合优势因子分析、双重注意力深度学习及不确定性量化用于中国无定河流域长期蒸发皿蒸发量集合预测
本研究旨在提高干旱与半干旱地区长期蒸发皿蒸发量(E<sub>pan</sub>)预测的准确性与可靠性。研究人员构建了一种融合优势因子分析、智能建模与不确定性量化的创新性预测框架。路径分析用于识别E<sub>pan</sub>的优势驱动因子,同时构建了双重注意力
来源:Journal of Hydrology
时间:2026-03-13
-
SDF-YOLO:一种用于提升自动驾驶中轻量级物体检测性能的多尺度动态特征融合网络
苏巴尔纳·卡恩拉|维贾伊·库马尔·库克雷贾|因杜·巴拉桑特 旁遮普邦隆戈瓦尔市朗戈瓦尔工程技术学院,印度,148106 摘要 物理信息神经网络将控制微分方程嵌入训练过程,从而能够求解常微分方程和偏微分方程。本综述总结了其理论基础(表达能力、自动微分)以及核心方法(损失函数设计、约
来源:Neurocomputing
时间:2026-03-13