• 不同移植物类型的前交叉韧带重建术后个体接受标准化高强度运动方案后行走过程中的肌电图（EMG）中位频率的变化

  摘要背景尚不清楚移植物类型是否会影响前交叉韧带重建（ACLR）术后运动后神经肌肉功能的变化，具体而言，即不同移植物如何影响肌电图平均频率（EMG-MF），后者是动态任务中肌肉激活的一种间接频谱描述指标。材料与方法本横断面研究中，53名体活跃男性（18–30岁）参与：38名单侧

  来源：Sport Sciences for Health

  时间：2026-09-07

• 综述：机械通气神经重症患者脱机与拔管的最佳可用证据：证据总结

  摘要 背景 在神经重症监护中，撤机和拔管是高风险决策，受意识障碍和气道保护能力受

  来源：Nursing in Critical Care

  时间：2026-09-07

• 烟煤与典型生物质在 CO2/N2 气氛下快速共热解的反应行为与动力学分析：利用机器学习预测焦炭产率

  # 竹屑、锯末与小麦秸秆同红沙泉无烟煤在含CO₂气氛下快速共热解行为研究 ## 摘要 在CO₂/N₂气氛下，以1000 K·min⁻¹的加热速率，对竹屑（BB）、锯末（SD）、小麦秸秆（WS）与红沙泉无烟煤（HSQ）进行了共热解实验。三种生物质-煤混合物的最大失重速率分别

  来源：Renewable Energy

  时间：2026-09-07

• 复杂流体系统中非线性气泡液体模型数据驱动孤子相互作用的波动力学：基于符号的人工神经网络方法

  • 我们利用新型双线性神经网络方法研究了非线性气泡液体模型的孤子波动力学。 • 新型双线性神经网络方法被用于获得非线性气泡液体模型的精确解析解。 • 这些解以单层和双层测试函数的形式获得，包括呼吸波、团簇波、粗糙波和分形解。 • 此外，LM-ANN方法被用于评估这些解的稳定性

  来源：Ocean Engineering

  时间：2026-09-07

• 高阶相互作用对分数阶时滞神经网络稳定性及Hopf型振荡不稳定性的调控效应

  •对于预设的单瓶颈哑铃型网络，共同延迟线性化被简化为三个聚合量 L、R 和 C。该简化给出了精确的无延迟分数阶扇形条件、可容许的临界频率分支、象限正确的临界延迟公式，以及简单第一谱穿越的横截性。 •二值链路延迟 τ_b 和高阶交互延迟 τ_h 被分离为独立的数值变量。对角线

  来源：Mathematics and Computers in Simulation

  时间：2026-09-07

• 从降水预报到水库最优调度：面向水库洪水利用的降尺度-预报-调度集成框架

  •耦合框架将大气降尺度与动态水库调度联系起来。•深度学习降尺度恢复了局部高强度降水特征。•拓扑感知图网络优于基于网格和基于过程的模型。•自适应调度将山洪风险转化为增强的季节性蓄水能力。引言加剧的全球气候变化显著放大了水文循环的变率（Zhang等，2021），增加了极端水文事件

  来源：Journal of Hydrology

  时间：2026-09-07

• 利用遗传算法（GA）和BP神经网络（BPNN）辅助策略，对Mo-14Re合金的热变形模型进行Arrhenius本构参数的受限非线性优化

  摘要 钼铼（Mo-Re）合金是用于极端温度应用的重要难熔材料，需要准确的本构模型来描述其热变形行为并支持加工优化。然而，传统的Arrhenius本构模型参数识别方法依赖于顺序线性拟合，这不可避免地会引入累积误差。在这项研究中，提出了一个集成遗传算法（GA）和反向传播神经网络（

  来源：International Journal of Refractory Metals and Hard Materials

  时间：2026-09-07

• 基于RBF神经网络的电液伺服阀污染故障诊断

  •对三个伺服阀的污染故障进行了模拟和实验研究。•通过在AMESim中增加间隙来模拟阀芯与阀套的磨损。•选择了流量、压力和内部泄漏作为对故障敏感的参数。•使用RBF神经网络进行污染故障诊断。•三种类型的伺服阀都实现了高诊断精度。引言电液伺服阀是液压闭环伺服控制系统的关键组件。由于其

  来源：Flow Measurement and Instrumentation

  时间：2026-09-07

• 混合神经-物理建模与增强型多目标运动规划：结合神经模糊自适应滑模控制技术用于双臂空间机器人

  •混合神经-物理模型结合了动力学和数据驱动学习。•并行遗传算法（GA）与粒子群优化（PSO）的竞争以及参考向量引导进化算法（RVEA）的选择提高了帕累托前沿的质量。•增强混合多目标优化（EHMO）在机动时间、轨迹平滑度和基座扰动之间取得了平衡。•非线性快速全局最优（NFASMC）

  来源：Acta Astronautica

  时间：2026-09-07

• FedMedIDS：一个非独立同分布鲁棒的联邦深度卷积神经网络框架，用于保护物联网医疗和物联网健康设备

  摘要 医疗物联网 (IoMT) 和健康物联网 (IoHT) 网络中设备的多样性对网络攻击造成了严重的安全漏洞。然而，由于数据隐私法规，传统的集中式机器学习方法并不总是适用于这些环境。本研究提出了一种新的深度卷积神经网络 (DCNN) 架构，用于 IoMT/IoHT 网络中的攻

  来源：Internet of Things

  时间：2026-09-07

知名企业招聘：