-
旋转蜂窝夹芯梁含横向芯层不连续缺陷时的固有频率人工神经网络(Artificial Neural Network, ANN)预测模型
本文提出一种基于人工神经网络(Artificial Neural Network, ANN)的方法,用于预测含蜂窝芯(honeycomb core)横向不连续缺陷(transverse discontinuity / core discontinuity)的旋
来源:Modelling
时间:2026-03-12
-
基于不完整视电阻率数据条件下利用多尺度特征学习进行节理密集带三维地质建模
摘要:隧道工程常穿越节理密集带(joint-dense zones),增大了突水与岩体坍塌等地质灾害风险。精确的地质模型对工程安全与施工质量至关重要。然而,恶劣环境与基础设施受限常导致基于电阻率的地球物理数据不完整,给精细建模带来挑战。现有基于体素(voxel
来源:Geomatics, Natural Hazards and Risk
时间:2026-03-12
-
乙二醇醚功能的浓度调控转变:从FeMnOx上Cr(VI)最优去除过程中的表面还原剂到性能屏障
有机溶剂已知可影响神经系统,但根据当前欧洲法规,工业化学品通常并不要求常规开展神经毒性测试。乙二醇醚广泛应用于消费品和工业产品中。由于其理化性质,此类物质能够穿透皮肤与肺屏障,在全身分布,并穿过血脑屏障,但其神经毒性潜力仍缺乏充分表征。P系列乙二醇醚目前主导欧
-
基于多模态信号用于阿尔茨海默病检测的可配置SoC设计
摘要 阿尔茨海默病是一种无法治愈的不可逆神经退行性疾病。不过,通过早期筛查和及时干预,可以显著延缓其发展进程。传统的阿尔茨海默病检测方法存在误诊率高的问题,且硬件集成度低、诊断方式单一。为解决这些难题,本文
来源:BMC Bioinformatics
时间:2026-03-11
-
ClearScope:一种完全集成的光片θ显微镜,用于无横向尺寸限制的亚微米分辨率成像
三维(3D)离体成像对于理解生理状态下的神经连接以及神经和精神疾病的病理改变至关重要,该技术涉及对来自动物模型的完整脑组织、人脑手术切除标本以及大型人和非人灵长类动物死后脑组织标本进行透明化处理后的成像。当代光片显微镜(LSM)虽然能够实现对大尺寸透明化样本的
来源:Journal of Imaging
时间:2026-03-11
-
耐热耐酸内切多聚半乳糖醛酸酶的计算设计用于高效果汁提取
合成或塑料微纤维(MFs)是海洋生态系统中一种新兴的微塑料污染形式,来源于纺织品降解以及渔业和水产养殖装备的风化。尽管已有大量证据表明海洋生物体内存在MFs,但MFs暴露对贻贝的影响仍知之甚少。本研究在半慢性时间尺度(14天)内,通过研磨微纤维布产生的MFs,
-
RCACNet:一种融合跨层级多孔特征与注意力机制的深度卷积神经网络,用于稀土矿床预测
摘要:作为重要的国家战略性矿产资源,准确预测和勘探稀土具有至关重要的意义。本文介绍了RCACNet(一种结合跨层膨胀特征与基于注意力机制的卷积网络的稀土矿床预测网络),这是一种全新的卷积神经网络模型,旨在解决利用遥感图像预测离子吸附型稀土矿床时所面临的目标光谱相似性和尺度变化问题
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2026-03-11
-
基于FPGA的深度学习技术用于实时直流串联电弧故障检测
摘要:直流串联电弧故障是直流电路中出现的意外且危险的电气放电现象。它可能引发火灾并损坏电气组件,存在安全隐患。由于这类故障有可能迅速升级为危险状况,因此及时检测至关重要。为了能够立即采取干预措施,必须快速识别与直流串联电弧故障相关的异常模式。近年来,相关研究越来越倾向于使用基于机
来源:IEEE Open Journal of Industry Applications
时间:2026-03-11
-
基于生理约束神经动力学、保形风险控制与风险敏感强化学习的可靠葡萄糖预测方法
摘要:可靠的短期连续血糖监测预测对于预防低血糖至关重要,但目前大多数数据驱动模型既无法提供生理学层面的洞察,也无法给出可行的安全保障。我们提出了一种可靠的预测框架,该框架结合了连续时间神经动力学、基于校准的符合风险控制方法(已在独立受试者群体中得到验证),以及针对尾部风险的适应性
来源:IEEE Access
时间:2026-03-11
-
基于XGBoost的带跨数据集验证的URL网络钓鱼检测方法
摘要:本文分析了XGBoost模型在多个用于检测钓鱼网址的数据集上的性能表现,通过对不同数据集进行全面验证和比较分析,拓展了我们之前的会议论文内容。我们采用了包含三个不同数据集的验证框架——一个自定义的钓鱼数据集(75,738个样本)、大规模的GramBeddings数据集(63
来源:IEEE Access
时间:2026-03-11