-
基于深度学习的三维重力反演：用于密度估计的CNN架构比较分析
基于深度学习（DL）的三维（3D）重力反演已成为近地表资源勘探中地下密度重建的一种有前景的方法，与传统反演方法相比，对于大数据集具有显著更低的计算成本。然而，现有的基于卷积神经网络（CNN）的重力反演研究大多局限于二值或恒定密度模型，从而限制了其在重建真实地下
来源：Frontiers in Earth Science
时间：2026-09-03
-
偏置感知误差补偿框架用于DNN硬件加速器中的近似乘法器
摘要
乘法运算主导了深度神经网络（DNN）推理的计算成本与能耗。本文提出了一种新颖的偏置感知两阶段误差补偿方法，可生成具有解析可控误差偏置与误差幅度的结构化近似乘法器（AM）系列，同时保持每个AM系列内部的能耗一致。以基于截断的有符号乘法器为基础，该框架的
来源：Microprocessors and Microsystems
时间：2026-09-03
-
多重身份，多元故事：一项关于具有多重边缘化身份的酷儿群体性教育经历的焦点小组研究
•交叉性（Intersectionality）仍然是考察具有多重边缘化身份的个体生活经历的相关框架。
•性教育（Sex Education）系统性地排除了与酷儿（queer）身份以及神经多样性（neurodivergent）、残疾或慢性疾病个体相关的信息。
来源：Methods in Psychology
时间：2026-09-03
-
体积能量密度对SS321激光粉末床熔融（LPBF）构件力学性能的影响及基于混合预测优化方法的过程参数优化
激光粉末床熔融（Laser Powder Bed Fusion, LPBF）是一种常规金属增材制造技术，试样致密度是质量评价的重要因素。研究人员采用L16 Taguchi设计探究体积能量密度（Volumetric Energy Density, VED）及工艺
来源：Materials Today Communications
时间：2026-09-03
-
物理调控的神经框架用于学习三维晶粒生长动力学
一个物理调控的局部学习框架可预测三维晶粒生长。局部演化规则可以用两个连续时间步学习。学习到的算子无需重新训练即可外推到1024<sup>3</sup>个网格点。无需显式倾角输入即可学习倾角相关生长。
来源：Materials & Design
时间：2026-09-03
-
面向妇科恶性肿瘤高精度分类的可解释三流CNN-Transformer-几何融合方法
摘要
从细胞学和组织病理学图像中对妇科恶性肿瘤进行自动化分类仍然是一个关键但具有挑战性的临床问题。该任务因类间形态相似性、类内异质性和类别不平衡而变得复杂。此外，单流架构可能无法同时捕获细粒度局部形态、长程组织上下文和旋转不变的结构几何信息。本文提出了一种三
来源：Machine Learning with Applications
时间：2026-09-03
-
使用孪生图神经网络学习子群关系
判断一个有限群是否同构于另一个有限群的子群是计算群论中的一个基本问题。在本工作中，研究人员提出了一种用于子群预测的孪生图神经网络（Siamese Graph Neural Network, Siamese GNN），使用有限群的凯莱图（Cayley graph
来源：Computation
时间：2026-09-03
-
物理约束神经协方差估计在高动态SINS/GNSS组合导航中的应用
背景：前西班牙时期安第斯人群中人工颅骨改形（ACM）为研究颅骨穹窿显著变形是否与腭部形态及颅面整合的相应变化相关提供了自然模型。方法：研究人员采用三维几何形态测量学（3D GM）对19例秘鲁颅骨（9例改形、10例未改形）的神经颅与腭部形态进行量化。分析包括广义
来源：Applied Sciences
时间：2026-09-03
-
基于工业4.0概念与现代数字技术的Zhaya与成型肉制品生产智能监控系统
本文提出了一种基于工业4.0概念的Zhaya和成型肉制品生产智能监控系统，该系统采用物联网（Internet of Things, IoT）、数据采集与监控系统（Supervisory Control and Data Acquisition, SCADA）和
来源：Applied Sciences
时间：2026-09-03
-
用于室内污染物快速扩散预测的双层聚合图神经网络
快速城市化以及室内活动时间占比的不断提高，加剧了人们对室内空气质量和公共健康的关注。对室内污染物扩散进行快速可靠的预测，对于建筑优化设计和基于风险的应急响应至关重要。为实现高效的室内污染物扩散预测，本研究提出了一种具有双层聚合和图增强的图神经网络（Graph
来源：Applied Sciences
时间：2026-09-03
粤公网安备 44010602000434号