• 当 p=0 时：竞争性技术采用中的治理失败与纯社会扩散

  •太阳能灌溉显示出接近零的外部创新效应。 •校正后的风险模型将先前的本地采用率与更快的后续采用率联系起来。 •本地内部的密度效应在统计上与零无异。 •一种"许可陷阱"与正式转移渠道被阻断的情况相符。 •预测者应在治理薄弱市场中检验近零 p 值模型。 **引言** 技术扩散

  来源：TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE

  时间：2026-08-28

• 综述：具有前景的海洋天然气水合物商业化开发技术：综述与展望

  **摘要** 天然气水合物（NGH）是一种有前景的清洁非常规能源资源，全球范围内的研究已从早期的现场调查发展到近海的现场试验。然而，至今尚未实现商业化的NGH开发突破，主要受到核心瓶颈的制约，包括单井产量的不足、长期稳定生产的挑战、高昂的工程成本以及海洋地质风险预防和控制的困

  来源：RENEWABLE & SUSTAINABLE ENERGY REVIEWS

  时间：2026-08-28

• 综述：迈向低温推进剂的长期无损储存：被动与主动热防护技术综述

  **摘要** 低温双组元推进剂，如液氧-液氢和液氧-液甲烷推进剂组合，因其低成本、环境友好和可再生特性，被广泛认为是未来太空任务和可重复使用运载火箭极具前景的燃料。然而，低温推进剂在长期在轨储存期间面临重大挑战。其中，热量侵入尤为关键，会导致不期望的蒸发损失，进而降低运载火

  来源：RENEWABLE & SUSTAINABLE ENERGY REVIEWS

  时间：2026-08-28

• ExpertFusion：一种经过校准的多专家决策融合方法，用于在数据分布偏移和目标先验不确定性情况下检测钓鱼网址

  摘要 基于预训练编码器、结构特征、局部字符模式或混合表示的钓鱼URL检测器通常能够取得良好的基准性能。然而，当它们应用于来自未见过来源的URL、不同的时间时期或不同的类别先验条件时，其可靠性可能会下降。在这些形式的分布偏移下，在一个目标数据集上表现良好的证据来源可能在另一个数据集

  来源：Expert Systems with Applications

  时间：2026-08-28

• HM3-VLM：一种混合幅度-最大值融合技术，用于无样本的类别递增式视觉语音识别

  • 一种创新的无样本类增量框架，用于唇读识别。 • 结合双边LoRA的冻结大型语言模型（LLM

  来源：Expert Systems with Applications

  时间：2026-08-28

• EGHF-Net：一种基于几何约束的可变形交叉注意力机制，用于事件-RGB语义分割，并结合了时空对齐技术

  •EGHF-Net 对齐 Event-RGB 模态，以实现鲁棒的 HDR 语义分割。 •ST-EIM 使用扩展的对称核来捕捉扩散的运动条纹。 •GDF 通过可学习的可变形偏移显式解决跨模态视差问题。 •具有 sparse-aware 特性的非对称设计在保持高效率的同时

  来源：Expert Systems with Applications

  时间：2026-08-28

• 一种部分传感器失效下船用螺杆泵智能故障诊断的多传感器信息复合损失融合训练方法

  # 摘要 虽然多传感器特征融合能够实现有效的故障诊断，但在恶劣的船用机舱环境中，传感器故障十分常见。当传统算法强制整合故障传感器的数据时，往往会掩盖关键的故障特征，从而降低诊断精度。为缓解部分传感器故障对多传感器信息融合的负面影响，我们提出了一种基于多传感器信息复合损失融合

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-28

• 基于无抖动传输的安全控制方法，用于高木-杉野模糊时延系统

  摘要 本文研究了在遭受拒绝服务（DoS）攻击的一类Takagi–Sugeno（T-S）时滞系统中，如何实现ℋ∞安全性控制问题，并提出了一种基于时变增益矩阵的连续无冲击传递（BT）控制策略。通过构建时态依赖的模糊李雅普诺夫-克拉索夫斯基（LKF）函数，建立了一个分层控制架构：在

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-28

• TabDFME：网络安全应用中针对表格数据的无数据模型提取方法

  摘要 模型提取攻击对机器学习即服务（MLaaS）平台构成了关键的安全风险，因为它们使对手能够将专有模型的功能复制到一个本地模型中。尽管近期进展使得这些攻击能在黑盒和无数据环境下进行，但现有方法面临两大主要局限性。首先，它们主要关注视觉数据，而表格数据尽管在网络安全等关键领域

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-08-28

• 综述：在技术中看到人类：人工智能拟人化的前因、边界与后果

  拟人化在人工智能（AI）研究中受到了大量关注，因为赋予AI驱动的技术（如算法、聊天机器人和有形机器人）以类人特征，可以缓解对AI的排斥，而后者是AI被接受和采用的主要障碍。然而，拟人化也可能削弱其非人类属性所带来的优势。本文综述提出了三点主张。第一，AI拟人化在两个层面发挥作

  来源：Current Opinion in Psychology

  时间：2026-08-28

知名企业招聘：