-
通过卷积神经网络实现单晶化学气相沉积探测器中的中子-伽马射线鉴别
scCVD钻石探测器系统通过瞬态电流技术测量载流子漂移速度,结合Geant4模拟验证了gamma射线产生三角、双步和矩形信号的特性,并训练卷积神经网络实现中子与gamma射线85%以上的鉴别准确率。
来源:Radiation Measurements
时间:2026-03-11
-
基于数据的光学相关系统中的分类方法
光学相关器与卷积神经网络结合的多类分类方法,通过VanderLugt相关器生成二维相关图,利用神经网络直接学习相关图中的判别性特征,解决了传统方法依赖人工阈值和难以扩展的问题,在MNIST数字和时尚MNIST数据集上达到高精度分类。
来源:Optics and Lasers in Engineering
时间:2026-03-11
-
揭示在自然场景中解读不对称性的神经机制:来自大脑内部及大脑间活动的证据
本研究采用自然主义交替传译场景和fNIRS高灵敏度扫描技术,对比母语向前(FI)和母语向后(BI)传译的认知神经机制。结果表明,BI伴随更强的左STG与右TPJ功能连接及更高的三重组神经同步性,提示BI更依赖高阶实用推理,从而提升意义传递效果。
来源:Journal of Neurolinguistics
时间:2026-03-11
-
综述:人工智能驱动的心律失常检测综述:从经典机器学习到利用心电图(ECG)和脉搏血氧饱和度(PPG)信号的量子机器学习
心脏节律检测是计算生物医学工程的重要领域,传统方法存在局限性,而AI结合量子计算显著提升了诊断的准确性、可扩展性和可靠性。研究系统梳理了2014-2025年间IEEE、Springer等数据库的ECG/PPG数据分析、特征提取、分类算法及评估标准,重点探讨量子机器学习(QML)与深度神经网络的融合机制,通过量子并行性和纠缠效应优化特征表示与分类性能,并提出ML/DL/QML混合框架作为未来发展方向。
来源:ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING
时间:2026-03-11
-
基于数据机制与混合驱动的数字孪生模型,用于深度挖掘过程中多种演变风险的时空预测
数字孪生与异构图神经网络在深基坑多源风险时空演化预测中的应用。本文提出基于数据-机制混合(DMH)特征生成与时空异构图注意力网络(THGAN)的框架,通过整合BIM模型、增量梁-弹簧(IBS)力学仿真和粒子群优化反演,构建多源风险异构图表示,采用分层注意力机制建模空间关联与时间动态,在上海某深基坑工程验证中使关键预测误差降低25%,验证了物理可解释框架在复杂地下工程风险管控中的有效性。
来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY
时间:2026-03-11
-
一种混合人类可靠性水平预测模型研究:应用于核电站主控制室中的人机交互
针对核电站主控制室人类可靠性水平预测中传统方法存在的静态、主观和滞后性缺陷,本研究提出了一种融合概率神经网络与BP神经网络的混合预测模型。通过引入k-means聚类优化隐层结构和概率参数优化,显著提升了预测精度和实时性,为核电站人因风险防控提供了动态量化评估工具。
来源:Reliability Engineering & System Safety
时间:2026-03-11
-
基于时空地震性能信息的腐蚀长距离天然气管道演化分析
长距离天然气管道在腐蚀与地震耦合作用下的性能演变预测面临空间时间多尺度非线性挑战。本研究提出KPCA-IQPSO-NNE框架,通过耦合随机腐蚀形态的时空地震模型生成多维数据集,采用核主成分分析降维,改进量子粒子群优化训练神经网络集合,建立面向结构完整性的性能演化预测体系。实验表明该模型能有效揭示腐蚀形态、土壤类型与管壁厚度比(D/wt)对结构响应的协同影响机制。
来源:Reliability Engineering & System Safety
时间:2026-03-11
-
基于CNN的自主供电传感系统,通过混合式风能采集器实现对输电线路风振的识别
风致振动能量收集与智能识别:提出一种融合多层弹性TENG与插芯EMG的混合能量收集器HAVH,通过结构优化实现5-50Hz频段下4.4mW峰值功率输出,结合2D-CNN构建振动状态非线性映射模型,集成电源管理电路与上位机实现99.5%识别精度的自供电监测系统。
来源:Nano Energy
时间:2026-03-11
-
一种高度集成的柔性摩擦电振动传感系统,用于曲面上的智能工业监测
该研究提出一种基于锥形微结构的全柔性三轴摩擦电振动传感器(CMF-TVS),通过耦合TPU纳米纤维薄膜与PDMS微锥层,实现30-1000Hz宽频响应,可检测0.127μm微幅振动,并保持12000次循环稳定性。系统通过柔性电路与混合神经网络集成,在八种机械工况下达到98.75%状态识别准确率,为复杂工业环境中的长期在曲表面振动监测提供自供电解决方案。
来源:Nano Energy
时间:2026-03-11
-
STG-LAL:一种可在线学习的时空图网络激活模型,用于端到端的交通拥堵预测
交通拥堵预测模型需解决回归模型的保守偏见及分类模型的输入自相关问题,STG-LAL框架通过统计特征和可解释架构(VSN、LAL)实现高效分类,并集成在线学习机制应对概念漂移,PeMS04/08实验验证其优越性。
来源:Future Generation Computer Systems
时间:2026-03-11