• 基于双向循环神经网络的航空发动机飞行任务段自动识别方法

  航空发动机飞行任务段是飞行任务剖面的关键组成部分，当前识别方法依赖人工流程，导致载荷分析效率低下且准确性不足。针对此问题，本文提出了一种基于双向循环神经网络（Bi-RNN）的飞行任务段自动识别方法。首先，分别介绍了飞行任务剖面的分解、任务段的人工划分、任务段标

  来源：Journal of Systems Engineering and Electronics

  时间：2026-09-17

• 基于文化传播启发的图神经网络：桥接计算社会科学与深度学习

  摘要专业翻译 图神经网络（Graph Neural Networks，GNNs）在引文网络文档分类、流行病预测、病毒式营销、社交网络用户推荐及网络监控等应用中已成为关键工具。然而，其部署面临三大关键挑战：深层架构中的特征过平滑（oversmoothing）、对

  来源：Journal of Social Computing

  时间：2026-09-17

• 事件驱动视觉在机器人学中的特刊客座社论

  自然智能数十年来一直是激发和推动机器人技术领域的灵感来源。研究人员寻求构建具有自然界所观察到的能力的机器人：以生物体的效率和适应性进行感知、学习和反应的能力。这一生物学蓝图旨在捕获自然智能的基本原则，促使神经形态工程师彻底重新思考机器人视觉。因此，在20世纪8

  来源：IEEE Robotics and Automation Letters

  时间：2026-09-17

• Credition——信念加工过程：基础与启示

  英文摘要翻译： 心理学历史中包含了许多概括和反映大量研究与理论的关键词。本文引入术语Credition，类比于情绪（emotion）之于感受（feeling）、认知（cognition）之于信息加工（information processing）。它指的是信

  来源：Psychological Reports

  时间：2026-09-17

• **基于物理信息神经网络与自适应学习策略的井涌井筒气–液两相流高效预测方法**

  摘要：准确且快速地预测井控过程中的多相井筒流动因其复杂的动力学特性而仍然困难。传统模型计算成本高昂，而数据驱动方法往往在物理上不一致。为解决这些局限性，本研究开发了一种基于物理信息神经网络（PINNs）的智能求解方法，用于预测井涌发生后气–液两相环空流动。该方

  来源：Petroleum Science

  时间：2026-09-17

• 基于人工智能预测的全光谱紫外校正因子：一种无需分析物标准品的反应产率定量框架

  高通量实验（High-Throughput Experimentation, HTE）加速了分子发现进程，但在缺乏纯分析物标准品的情况下难以对产率进行定量。当前对标准品纯化的需求增加了成本、复杂性和周期时间，限制了新分子发现的可扩展性。本文中，研究人员引入了

  来源：JACS Au

  时间：2026-09-17

• 基于时频声学表征与深度卷积神经网络的电弧增材制造CTWD高分辨率分类研究

  本研究提出了一种数据驱动的时频学习框架，利用电弧增材制造（Wire Arc Additive Manufacturing, WAAM）过程中产生的电弧声学信号，以1 mm分辨率对接触尖端至工件距离（Contact Tip to Work Distance, C

  来源：Journal of Manufacturing Processes

  时间：2026-09-17

• # 面向保险定价的可解释深度学习模型：精算神经加性模型（ANAM）

  摘要：机器学习的快速发展为精算分析中的建模技术转型提供了机遇。新型机器学习方法，尤其是深度学习，相比传统精算方法（如广义线性模型（GLM））展现出多功能的建模能力和优越的预测性能。然而，深度学习技术在保险行业的广泛采用常因缺乏模型可解释性而受到阻碍，因其内部运

  来源：Insurance: Mathematics and Economics

  时间：2026-09-17

• # 问题1：中文标题 基于TG–FTIR–MS、ReaxFF-lg分子动力学与CRNN动力学建模的CL-18多尺度热分解层级解析

  # 问题3：摘要翻译 爆炸箔起爆器（EFI，Exploding Foil Initiator）采用高阈值电容放电脉冲驱动飞片撞击次级炸药装药，从而在传统设计中免除起爆药的使用，提供优异的安全性和抗意外起爆能力。5-氨基-4-硝基苯并[1,2-c:3,4-c′

  来源：FirePhysChem

  时间：2026-09-17

• 用于自闭症诊断中动态脑连接分析的可解释自适应图学习框架

  研究人员提出了一种可解释的自适应图学习框架，用于自闭症诊断中的动态脑连接分析。该框架开发了自适应图模型，以学习动态脑连接模式；通过基于相位的功能连接分析构建受试者特异性脑网络；实现了高分类性能和均衡的预测能力；提供了将模型输出与临床相关脑模式相联系的可解释指标

  来源：Healthcare Analytics

  时间：2026-09-17

知名企业招聘：