-
通过计算与实验相结合的方法研究混合型TPMS超材料中的宽带声音吸收特性
阿里·本·纳维德(Ali Bin Naveed)|阿米尔·穆巴沙尔(Aamir Mubashar)|穆罕默德·基泽尔·A·汗(Muhammad Khizer A. Khan)|萨达卡特·阿里(Sadaqat Ali)|卡姆兰·A·汗(Kamran A. Khan)•将最小表面几何
来源:Materials & Design
时间:2026-05-20
-
利用微剥测试和粘聚区建模方法确定木纤维-聚乳酸复合材料的界面参数
J. Zubair|R. Dsouza|F. Javanshour|M. Kakkonen|O. Tanhuanpää|N. Pournoori|K. Malafeev|K. Valtonen|A. Ehsandoost|C. Czibula|A. Wagner|U. Hirn|
来源:Materials & Design
时间:2026-05-20
-
通过贝塞尔光束焦点偏移技术,在熔融石英中利用形态学特征实现透明材料的工程化处理
安启昌|丁善军|霍书存|李曼|杨泽恒|江星健|于中尧|方志丹|吴晓萌|王启东中国科学院微电子研究所,北京,100029,中国摘要玻璃通孔(TGV)的几何形状对基于玻璃的互连器的金属化产量、电气性能和热机械可靠性具有决定性影响,这对于先进的电子封装至关重要。基于超快贝塞尔光束改性的
来源:Materials Science in Semiconductor Processing
时间:2026-05-20
-
EfficientMedFormer:一种用于轻量级医学图像分类的方向性分解方法
Seongchan Park | Jinbin Kim | Seunghyun Lee | Soonchul Kwon•一种用于医学图像分类的新型轻量级混合架构。•操作的方向性分解降低了计算成本。•仅使用239万个参数和0.28 GFLOPs的运算量即可实现高性能。•在MedMN
来源:Knowledge-Based Systems
时间:2026-05-20
-
噪声加权条件扩散算法结合双域动态条件处理与时空因果去噪技术,用于机器人存储演示学习
云龙·潘 | 铁章 | 立波·李•提出了一种用于机器人存储任务执行的条件扩散示范学习方法。•重新调整扩散噪声的权重,以提高动作轨迹中的时间结构可恢复性。•通过协调的时域和参数域机制增强条件调制效果。•利用双分支残差去噪网络捕捉多尺度时间依赖性。•在公开基准测试和真实世界存储数据集
来源:Knowledge-Based Systems
时间:2026-05-20
-
利用嵌入式技术和深度学习技术实现早期火灾检测,以促进可持续农业和粮食安全
阿卜杜纳比·莫尔奇德(Abdennabi Morchid)|阿卜杜纳塞尔·埃尔巴斯里(Abdennacer Elbasri)|阿卜杜拉·阿尔瓦布利(Abdullah Alwabli)|阿马尔·Y·贾法尔(Amar Y. Jaffar)|法哈德·阿尔巴拉维(Fahad Albala
来源:Knowledge-Based Systems
时间:2026-05-20
-
一种结合迁移学习和数据增强技术的交通地理实体识别方法
方俊|刘亚昌|叶芬|雷玉斌|田永宇|邹明普|杨麒麟|杨振生摘要随着城市化的快速推进和信息技术的不断发展,交通系统正朝着更加精细和智能化的管理方向发展。这一趋势使得对交通知识图谱和结构化语义表示的需求日益增长。在交通数据中,地理实体在组织语义信息及时空信息方面发挥着核心作用,例如道
来源:Knowledge-Based Systems
时间:2026-05-20
-
一种通用的AutoML方法:基于统一内核的自动化时间序列分类、回归和预测技术
伊利亚·雷文(Ilia Revin)|瓦迪姆·波捷姆金(Vadim Potemkin)|尼古拉·O·尼基京(Nikolay O. Nikitin)•Unified AutoML框架能够在一个统一的流程中解决时间序列分类、回归和预测问题。•MoKA利用谱聚类和基于核的初始假设来加速
来源:Knowledge-Based Systems
时间:2026-05-20
-
基于物理约束的机器学习方法:利用Abraham溶质描述符预测离子液体混合物的粘度
埃尔米拉·贝布迪(Elmira Behboudi)|埃拉赫·拉希姆普尔(Elaheh Rahimpour)|塔希尔·苏莱曼诺夫(Tahir Suleymanov)|德米特里·M·马卡罗夫(Dmitriy M. Makarov)|阿博尔加塞姆·朱伊班(Abolghasem Jouy
来源:Journal of Molecular Liquids
时间:2026-05-20
-
通过近红外光谱技术识别煤炭特性:机器学习预测与实验验证
海泉 安|刘 真|叶 利|彭 宝子国家清洁与低碳能源研究院,北京 102209,中国摘要本研究采用近红外光谱技术结合多种机器学习算法,开发了一种快速可靠的煤炭成分识别框架,显著提高了预测的准确性和效率。支持向量机(SVM)、随机森林(RF)、时间卷积网络(TCN)、一维卷积神经网
来源:Journal of Fuel Chemistry and Technology
时间:2026-05-20