• 结合基于EDAS的多准则决策的多模型深度学习用于稳健的马铃薯叶病分类

  马铃薯是一种在营养和经济方面都具有重要价值的作物。然而，其生产力受到叶部病害的不利影响。准确及时的病害检测至关重要。深度学习模型已取得显著进展，但针对专门数据集的研究仍然有限。现有框架大多基于一两个深度学习模型进行训练，并使用标准指标评估，缺乏用于综合模型评估的多准则决策。为弥补

  来源：Potato Research

  时间：2026-10-31

• 奇异性感知的求积修正，用于弱奇异弗雷德霍姆-哈默斯坦积分方程中的物理信息残差

  摘要物理信息神经网络（PINNs）近似积分方程的未知解，而物理残差的评估仍依赖于数值求积。本文研究一维弱奇异Fredholm–Hammerstein方程中的求积一致性。通过分离连续残差、求积定义残差以及由此产生的求积缺陷，我们分析了均匀网格上的零对角线梯形法则。当正则非线性因子在

  来源：Mathematics and Computers in Simulation

  时间：2026-10-31

• 一种用于预测小行星模拟物激光采矿中温度场的物理信息神经网络框架

  摘要小行星资源开发对于未来可持续的深空探测具有重要意义。利用太阳辐射、微波和激光等能源的热提取技术，是小行星原位资源利用的关键途径。热提取过程中三维温度场的精确预测与建模是指导运行条件选择的基础。现有温度场预测与建模方法主要依赖有限元法和数据驱动的深度学习方法，这些方法面临网格离

  来源：Optics & Laser Technology

  时间：2026-10-31

• Ti–0.4O–4Fe合金热变形过程中的流动行为与微观组织演变：本构模型与人工神经网络建模

  Ti–0.4O–4Fe合金热变形的精确预测对于优化其热机械加工至关重要。本研究提出了一种修正的Fields–Backofen（MFB）本构模型，并将其与原始FB模型及两种人工神经网络（ANN）模型进行了基准对比。在700–850 °C和0.001–0.1 s⁻¹条件下进行了等温压

  来源：Journal of Materials Science

  时间：2026-10-31

• 高维值时滞系统的统一线性负定性引理及其在神经网络同步中的应用

  摘要本文研究定义在实数、复数、四元数和八元数代数上的时滞高维值神经网络（DHDVNNS）的同步问题。针对由高维值网络动力学产生的仿射实对称矩阵函数，建立了精确的端点负定性判据。采用固定的左乘表示将原始高维值系统转化为等价的实坐标实现。利用Lyapunov–Krasovskii泛函

  来源：Chaos, Solitons & Fractals

  时间：2026-10-31

• 用于六轴力/力矩传感器的柔度矩阵硬约束神经替代模型

  一个基于柔度矩阵的硬约束PINN精确地强制执行应变路径对称性。•CM-HPINN实现R² = 0.9965，并将MAE降低约77%。•载荷线性和双重载荷叠加通过构造保持。•学习到的柔度矩阵支持可解释的传感器优化。引言六轴力/力矩传感器在公共坐标系中测量三个力分量和三个力矩分量。它

  来源：INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES

  时间：2026-10-31

• 用于风力涡轮机叶片根部载荷重建的物理信息神经载荷观测器：基于三维弹性传动系统动力学

  - PhyNLO 根据机舱测量结果重构三叶片挥舞方向根部弯矩。 - 传动系统拓扑结构和轮毂力矩平衡指导物理一致的重构。 - 冻结跨平台测试实现6.0%归一化均方根误差和0.8%约束违反。 - 场对齐的PhyNLO在减少位移传感条件下实现8.47%归一化均方根误差。 - PhyNL

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2026-10-31

• 在空间风向变化条件下实现的风电场实时流量控制：一种低成本且高性能的图神经网络

  • 分析了忽略空间风向变化对流控性能的影响。• 设计了一种基于簇的代表性控制策略集以降低计算成本。• 开发了一种用于实时风电场流控的图神经网络。• 所提出的方法在降低离线计算成本的同时实现了更优的控制性能。 引言 随着全球向低碳能源系统的加速转型，风能已成为最具可扩展性的可再生

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2026-10-31

• 基于CFD驱动的可微神经网络的混凝土流变参数高效反演

  •通过反分析框架识别了混凝土流变参数。•利用CFD生成的数据集训练了流变仪的高精度代理模型。•通过自动微分实现了高效的参数反演。•反演得到的参数高保真地再现了流变仪的操作过程。•该框架在独立坍落度扩展度试验中优于传统方法。引言随着高性能结构的发展和混凝土材料的不断进步，新拌混凝土

  来源：CEMENT AND CONCRETE RESEARCH

  时间：2026-10-31

• 用于历史依赖性材料神经网络本构模型的局部演化解耦范式：理论、架构及其在形状记忆聚合物中的应用

  •开发了一种用于SMP热循环的神经网络，该网络不需要历史序列。•消融实验验证了模型解耦的泛化优势。•LDEONet在处理未见过的路径和步长时具有较高的泛化能力。引言形状记忆聚合物（SMPs）作为一类依赖历史的材料，能够在外部刺激下从变形的临时形状恢复到预先编程的永久形状（Chan

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-10-31

知名企业招聘：