-
近红外光谱图重建——基于增强型卷积神经网络(CNN)的高精度酒精-柴油混合物分析方法
基于近红外光谱的酒精柴油混合物智能检测方法研究,提出将1D光谱通过递归图、角域场和马尔可夫变换场转换为2D光谱图,增强卷积神经网络的特征提取能力。实验表明,MTF-CNN分类准确率达99.24%,RP-CNN甲醇预测误差降低至0.028,较传统1D-CNN、SVM和PLS方法提升一个数量级。该方法突破手动特征工程限制,为燃料质量控制提供高效解决方案。
来源:Chemometrics and Intelligent Laboratory Systems
时间:2026-03-13
-
基于多图和多维表示的化合物心脏毒性预测
本研究提出一种基于多图和多元特征的新方法,结合图神经网络(GNN)和双向门控循环单元(BiGRU)构建九类化合物心脏毒性预测模型,显著提升预测性能并揭示毒性结构特征,并开发在线预测平台CardiacTox。
来源:Chemometrics and Intelligent Laboratory Systems
时间:2026-03-13
-
基于数据的时空预测方法,用于研究沸腾流化床中瞬态多相流体动力行为
本研究结合机器学习与计算流体力学,开发了融合3D卷积神经网络、长短期记忆单元和多注意力机制的混合模型,用于高效预测气固流化床反应器中的流动特性时间序列。实验结果表明,该模型在保持物理一致性的同时显著降低计算成本,为加速复杂流动模拟提供了新方法。
来源:Chemical Engineering Science
时间:2026-03-13
-
基于单调性约束的物理信息深度神经网络用于冷却器能耗预测:外推性能与约束优化
物理信息神经网络与单调性约束结合的新模型,通过分析制冷能耗与输入特征的单调关系构建物理约束损失函数,并采用遗传算法优化特征权重,有效提升HVAC系统能耗预测的外推能力,验证结果显示MAPE降低30%,MAE和RMSE降低20%。
来源:ENERGY AND BUILDINGS
时间:2026-03-13
-
利用深度学习和监测数据对钢筋混凝土框架进行实时地震损伤评估的框架
实时地震损伤评估框架通过融合结构参数、地面运动特征和监测数据,采用多特征神经网络实现动态评估,支持任意长度输入并处理数据缺失,验证显示准确率达80%,延迟低于20ms。
来源:Journal of Building Engineering
时间:2026-03-13
-
基于物理原理的神经网络在基于组件的传动路径分析中用于力的识别
等效力识别中不确定性补偿的神经网络方法研究,提出基于物理指导的神经网络架构替代传统矩阵求逆,通过嵌入物理信息增强模型鲁棒性,在数值仿真和车辆道路噪声实验中验证了其优于传统方法的精度和可靠性。
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING
时间:2026-03-13
-
通过使用神经网络进行实时路径适应来实现头部追踪式主动道路噪声控制
传统主动道路噪声控制(ARNC)依赖固定模型,难以适应头部移动带来的路径变化。本研究提出基于神经网络的头追踪ARNC(HARNC)框架,通过实时更新次级路径估计和观测滤波器,结合预滤波初始化加速收敛。仿真和实车实验表明,HARNC在30-500Hz带宽内平均降噪提升3.02 dBA,优于查表法和插值法。
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING
时间:2026-03-13
-
基于物理知识的深度算子网络在双相钢成形性评估中的应用
成形极限预测框架融合物理信息神经网络与深度操作网络,通过ShapeNet、CrystalNet和DeformNet分层处理空间异质性、晶体特性及应变路径依赖,结合测量驱动的损失函数提升物理保真度,实现双相钢成形极限的高效映射与实验验证。
来源:INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES
时间:2026-03-13
-
ETO-DFGR:一种基于DEIM框架的增强型交通目标检测方法,结合了聚焦引导的细化技术
The NG-ABC framework enhances swarm intelligence by integrating decentralized neural networks with dynamic clustering and adaptive quality gating to mitigate negative knowledge transfer in multi-modal optimization.摘要
来源:Expert Systems with Applications
时间:2026-03-13
-
AISS-VFL:一种高效的自适应重要性感知样本选择方法,用于基于分布式标签的垂直联邦学习
提出一种结合BERT语义对齐与GNN图学习的新型建筑合规检查系统,解决BIM与法规文档的异构数据对齐及空间关系建模难题。实验表明该系统在三种建筑类型中语义对齐F1达89.35%,合规准确率99.98%,有效降低人工干预。
来源:Expert Systems with Applications
时间:2026-03-13