• 基于联邦学习与图-循环神经网络的农作物产量精准预测模型FL-AGRN研究

  论文解读在粮食安全与气候变化双重压力下，精准预测农作物产量已成为现代农业管理的核心课题。传统方法如同"盲人摸象"：统计模型难以捕捉非线性时空关联，遥感技术受限于数据孤岛，而集中式机器学习又面临农户数据隐私泄露风险。印度学者Bharadiya Jas等(2023)指出，土壤养分波动与极端气候的"蝴蝶效应"可使产量偏差高达30%，而Elavarasan团队(2020)更揭示数据碎片化使现有模型在乡村地区表现堪忧。这种"数据富矿与模型贫瘠"的矛盾，催生了这项发表于《Expert Systems with Applications》的创新研究。研究团队构建了FL-AGRN混合模型，其技术路线犹如"三棱

  来源：Expert Systems with Applications

  时间：2025-05-26

• 多视图对比与聚类引导的作者姓名消歧方法研究

  在学术文献爆炸式增长的时代，同名作者问题如同迷雾般困扰着研究者。想象一下，当你在Google Scholar搜索"Wei Zhang"时，系统可能同时返回计算机科学家、经济学家甚至生物学家的论文——这种混乱不仅浪费科研时间，更阻碍了学术影响力的准确评估。现有基于图神经网络（GNN）的姓名消歧方法虽取得进展，却面临两大顽疾：一是初始图结构中不可避免的噪声干扰（如错误共现关系），二是传统方法将表征学习与聚类任务割裂，导致聚类结果无法动态修正。中国科学技术大学的研究团队在《Expert Systems with Applications》发表的研究中，创新性地提出MCCG框架。该工作首先通过自适应图

  来源：Expert Systems with Applications

  时间：2025-05-26

• 基于函数秘密共享的预处理安全计算防共谋机制研究

  在隐私计算领域，函数秘密共享(Function Secret Sharing, FSS)作为实现安全多方计算(SMPC)的核心密码学原语，能够支持神经网络中ReLU、Softmax等关键函数的隐私保护计算。然而现有FSS方案普遍依赖可信第三方(TTP)生成密钥，一旦TTP与任何参与者共谋，将直接导致隐私泄露。这一安全隐患严重制约了FSS在医疗健康等敏感领域的安全应用。为解决这一关键问题，国内研究人员在《Expert Systems with Applications》发表最新成果。研究团队通过改进Boyle等人提出的FSS框架，创新性地设计了防共谋密钥生成协议。该工作主要采用伪随机生成器(PR

  来源：Expert Systems with Applications

  时间：2025-05-26

• 基于差分循环自编码器的非平稳工业过程早期故障检测方法研究

  工业过程监控是保障生产安全的核心环节，但非平稳性（如设备老化、随机扰动）导致传统方法难以捕捉早期故障特征。现有深度学习模型虽能处理非线性动态数据，却对时变统计特性束手无策，造成高误报率和检测延迟。北京化工大学团队在《Engineering Applications of Artificial Intelligence》发表的研究，创新性地将差分操作融入循环自编码器架构，开发出DRAE模型，为这一难题提供突破性解决方案。研究采用三项关键技术：1）在LSTM潜在层嵌入差分梯度层，直接建模瞬态非平稳动态；2）基于记忆状态差分（MIM）优化遗忘门机制；3）结合无监督编码器-解码器结构实现故障判别重构。

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于深度神经网络与先进信号去噪技术的管道流态识别研究

  论文解读工业管道系统在石油、化工等领域至关重要，但其内部气液两相流的复杂流动形态（如段塞流）常引发设备损坏、环境污染及安全隐患。传统监测手段如光纤传感（Distributed Acoustic Sensing, DAS）虽精确却成本高昂，而压电式声学传感器虽经济却易受噪声干扰。为解决这一矛盾，沙特阿卜杜拉国王科技大学（King Fahd University of Petroleum and Minerals）的研究团队提出了一种融合先进信号处理与深度学习的解决方案。该团队设计了一套水平与垂直双段式实验流环装置，利用透明PVC管道模拟真实工况，并在水平段（高噪声区）与垂直段（低噪声区）部署压电

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于深度在线策略学习的全负荷区域风力发电机桨距角调节鲁棒非整数预测控制研究

  在能源短缺与环境污染的双重压力下，风力发电作为可持续能源的重要组成部分，其稳定性与效率备受关注。然而，风力发电机系统存在显著的非线性特性、较大的转动惯量，且风速具有随机性，这使得桨距角调节面临严峻挑战 —— 传统控制方法如比例积分（PI）控制器、增益调度比例积分（GSPI）控制器等，难以有效应对复杂工况下的系统波动，导致转子速度不稳定、输出功率超限等问题，严重威胁系统安全与电网稳定性。因此，开发一种适应多变风速、兼具鲁棒性与自适应性的控制策略，成为提升风力发电系统可靠性的关键。为攻克上述难题，相关研究人员开展了深入研究。研究团队基于风力发电机在全负荷区域的运行特性，提出了一种融合分数阶模型预测

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于置信度感知迭代训练的多语言知识图谱实体对齐方法研究

  知识图谱(KG)作为结构化语义知识库，在搜索引擎和推荐系统等领域应用广泛。然而不同机构构建的KG存在结构异构性，实体对齐(Entity Alignment, EA)成为知识融合的关键环节。当前主流方法依赖人工标注的"对齐种子"作为监督信号，但标注成本极高；而采用迭代策略自动生成伪对齐种子的方法，又因缺乏可靠性评估导致错误累积。更棘手的是，跨语言KG中等效实体的邻域结构差异会引入噪声，影响嵌入质量。安徽大学的研究团队在《Engineering Applications of Artificial Intelligence》发表研究，提出置信度感知迭代训练(CAIT)框架。该工作通过关系感知互图注

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于卷积自注意力与自适应通道注意网络的阻塞性睡眠呼吸暂停检测方法研究

  阻塞性睡眠呼吸暂停（OSA）是一种常见的慢性睡眠障碍，患者的上呼吸道在睡眠过程中会反复塌陷，导致呼吸暂停至少10秒。这种疾病不仅会引起高血压、冠心病等严重健康问题，还可能增加中风和心脏骤停的风险。传统的诊断方法依赖于多导睡眠图（PSG），但这种方法耗时耗力，需要在实验室进行整夜监测，效率低下且成本高昂。近年来，基于心电信号（ECG）的OSA检测方法因其便捷性和可扩展性成为研究热点，但面临两大挑战：一是模型性能高度依赖大量训练数据，二是现有算法在跨数据集评估中缺乏鲁棒性。针对这些问题，国内某研究机构的研究团队在《Engineering Applications of Artificial Int

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于自相似谱推理网络的地震数据抗混叠高效重建方法研究

  地震数据重建是油气勘探中的关键环节，但受环境和经济限制，采集到的数据常存在缺失道问题。传统方法如基于变换域(傅里叶/曲波)、预测滤波和秩降解法虽有一定效果，但面临参数敏感、线性假设局限等问题。近年来深度学习虽取得进展，但监督方法依赖完整数据，而无监督方法如DSP(Deep Seismic Prior)易受噪声干扰导致混叠。更棘手的是，常规缺失(各炮集缺失位置相同)情况下，现有CNN因局部感受野特性难以捕捉全局关联。针对这些挑战，中国科学院团队在《Engineering Applications of Artificial Intelligence》发表研究，提出自相似谱推理网络(SSRN)。该

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 《基于情感感知的双交叉注意力神经网络及标签融合的社交媒体虚假信息立场检测方法》

  论文解读在当今数字化时代，社交媒体呈现出爆炸式的发展态势，每天都有海量的用户生成内容（User - Generated Content，UGC）如潮水般涌现。这些UGC涵盖了博客文章、社交媒体评论、论坛讨论等各种形式。然而，这种信息的极度丰富也带来了一系列严峻的问题，其中最为突出的便是虚假信息的泛滥。虚假信息就像一颗毒瘤，在社交媒体的环境中迅速传播，不仅误导了广大用户，更对社会秩序和公众认知造成了极大的负面影响。为了有效应对这一挑战，来自国外某研究机构的研究人员开展了深入的研究。他们聚焦于社交媒体虚假信息中的立场检测问题，旨在通过先进的技术手段，精准识别用户在回复虚假信息源文本时所表达的立场，

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于门控图神经网络与图重构的分布式平均共识网络拜占庭攻击溯源研究

  随着信息物理系统(CPS)的快速发展，分布式协同控制技术在智能电网、无人集群等领域广泛应用。然而，开放网络环境中的拜占庭攻击(Byzantine Attack)问题日益凸显——攻击者伪装成正常节点传播错误信息，破坏系统一致性。传统检测方法依赖节点间传输数据的直接比对，但在隐私保护需求下，这类数据往往不可获取。如何仅通过节点状态观测实现攻击溯源，成为亟待解决的科学难题。中国研究人员在《Engineering Applications of Artificial Intelligence》发表的研究中，首次提出"外部视角"的拜占庭攻击检测框架。该团队创新性地借鉴流行病学中的接触者追踪思路，开发了基

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于深度时间特征提取与增量集成建模框架的在线工业质量指标预测优化研究

  在工业自动化的浪潮中，精准预测质量指标犹如给生产线装上 “智慧眼睛”。然而，传统数据驱动方法如同用单张照片描绘动态电影，仅依赖单一时刻的工艺变量快照，难以捕捉工业过程中变量间复杂的非线性关系、动态延迟及噪声干扰，导致软传感器性能受限。更棘手的是，工业设备如同善变的演员，在不同工况下（如工艺参数波动、设备老化、外部干扰）切换 “表演模式”，加之数据分布随时间悄然改变的 “概念漂移” 现象，让静态模型如同过时的剧本，预测精度不断缩水。如何让模型既看得懂 “过去 - 现在 - 未来” 的时间脉络，又能在多变的舞台上灵活应对？这成为工业软传感器领域亟待破解的难题。为突破这一困局，浙江大学的研究人员展开

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于多层神经网络与熵优化的五元杂化纳米流体流动分析及其在火箭发动机喷管冷却中的应用

  火箭发动机喷管在极端高温环境下面临严峻的热管理挑战，传统冷却剂的热耗散能力和稳定性已接近极限。随着航空航天技术向更高推重比发展，喷管材料的热失效风险成为制约发动机性能提升的瓶颈。如何突破现有冷却技术的物理极限，实现高效、可控的热能管理，成为工程热物理领域亟待解决的核心问题。针对这一难题，研究人员开展了一项跨学科研究，将电-磁流体动力学（Electro-Magnetohydrodynamics, EMHD）与非牛顿流体理论相结合，创新性地提出基于五元杂化纳米流体的新型冷却策略。研究团队选择硅 carbide（SiC）、磁铁矿（Fe3O4）、氧化铝（Al2O3）、单壁碳纳米管（SWCNT）和多壁碳

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于多动作深度强化学习框架的港口船舶调度与拖船组分配协同优化研究

  论文解读在当今全球化的时代，海运贸易持续蓬勃发展，港口作为货物运输的重要枢纽，其运营效率直接影响着全球经济的运转。然而，随着船舶数量的不断增加，港口面临着诸多挑战。一方面，船舶进出港需要拖船组的协助，以确保安全和及时的通行；另一方面，船舶调度决定了拖船组的需求和时间安排。这两个环节紧密相连，却又相互制约，如何实现它们的协同优化成为了港口运营管理中的关键问题。传统的解决方法往往将船舶调度和拖船组分配分开处理，忽略了它们之间的协同效应，导致解决方案不够理想。为了突破这一困境，国内的研究人员开展了针对港口船舶调度与拖船组分配协同优化问题（VT - COP）的研究。他们创新性地引入了一个端到端的深度强

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 基于并行浅层多子网架构的实时目标检测模型SMS-Det：硬件资源优化与性能突破

  在自动驾驶和安防监控等领域，实时目标检测技术正面临严峻挑战。尽管基于深度神经网络(DNN)的算法如YOLO系列和Faster R-CNN已取得显著进展，但现有模型在硬件加速器(如GPU/TPU)部署时暴露出两大痛点：一是串行计算模式导致硬件资源利用率不足，二是深层网络结构引发昂贵的层间同步延迟。这些问题严重制约了实时系统的响应速度与能效比，成为制约行业发展的技术瓶颈。中国科学技术大学的研究团队在《Engineering Applications of Artificial Intelligence》发表的研究中，提出革命性的Shallow Multi-Subnet Detector(SMS-D

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-26

• 胎儿酒精谱系障碍(FASD)患儿照顾者寻求同伴导师的动机研究：基于加拿大FASD Connect项目的质性分析

  在生命早期经历酒精暴露的儿童，往往被诊断为胎儿酒精谱系障碍(Fetal Alcohol Spectrum Disorder, FASD)——这是一组以神经发育异常为核心特征的疾病，在加拿大患病率达4.4%。这些孩子不仅面临语言、记忆等基础认知功能的损伤，还常伴随学习障碍、情绪管理等挑战。更令人忧心的是，他们的主要照顾者——包括生父母、养父母或祖父母——长期承受着外界误解、系统支持不足等多重压力，近70%的照顾者报告存在显著心理困扰。针对这一严峻现状，加拿大FASD Connect项目团队开展了一项开创性研究，旨在探索这些照顾者主动寻求同伴导师支持的内在动机。研究人员采用布劳恩和克拉克的主题分析

  来源：Children and Youth Services Review

  时间：2025-05-26

• 基于卷积神经网络的耳内镜手术视频解剖结构分割基准构建与AI预测效能评估

  在微创外科技术快速发展的今天，耳内镜手术(EES)凭借其优越的视野呈现能力正在重塑耳科手术格局。然而，中耳复杂的"微缩解剖"环境——镫骨(stapes)、鼓索神经(chorda tympani)与面神经(facial nerve)等重要结构常以毫米级间距共存——使得术中精准识别成为巨大挑战。传统计算机视觉依赖的术前-术中图像配准技术在此遭遇瓶颈，因为中耳缺乏明确的标志点进行空间对应。这一技术空白直接制约了人工智能(AI)在耳科手术导航、风险预警等领域的应用。悉尼某三级转诊中心的研究团队在《Auris Nasus Larynx》发表的研究给出了创新解决方案。通过采集40例耳硬化症镫骨手术的EES

  来源：Auris Nasus Larynx

  时间：2025-05-26

• 如何运用理论解释创造性艺术治疗的效应：以多迷走神经理论为例

  论文解读文章在当今的心理健康领域，创造性艺术治疗（Creative Arts Therapies, CATs）作为一种非传统的治疗方法，正逐渐受到广泛关注。CATs包括艺术治疗、音乐治疗、舞蹈/运动治疗、戏剧治疗和诗歌/阅读治疗等多种形式，旨在通过艺术媒介帮助患者处理各种心理健康问题。然而，尽管CATs在临床实践中显示出积极的效果，但其背后的治疗机制尚未完全明了。这促使研究人员探索更深层次的理论基础，以更好地理解和解释这些治疗方法的有效性。多迷走神经理论（Polyvagal Theory, PT）是由Stephen Porges提出的，该理论主要探讨迷走神经在自主神经系统（ANS）中的作用，以

  来源：The Arts in Psychotherapy

  时间：2025-05-26

• 基于改进图神经网络(CA-MGNN)的多源船舶轨迹关联方法研究

  船舶轨迹关联的技术挑战与突破随着AIS（自动识别系统）、雷达等海事监测技术的普及，多源船舶轨迹数据呈现爆炸式增长。然而，这些数据因采集设备差异（如AIS依赖船载MMSI标识而雷达缺乏身份信息）、时空精度不对称（雷达定位误差可达百米级）以及异常点干扰（约6%的轨迹点存在漂移或缺失），导致传统Track-to-Track Association（TTTA）方法在复杂海域场景中准确率不足60%。尤其当船舶密集或设备故障时，现有算法如动态时间规整(DTW)和概率统计模型(JPDA)难以满足实时精准监控的需求。针对这一难题，中国某高校研究团队在《Applied Ocean Research》发表论文，创

  来源：Applied Ocean Research

  时间：2025-05-26

• 工作记忆任务中运动错误处理的认知负荷调控效应：高低记忆广度群体的差异研究

  在认知心理学领域，运动错误如何影响高阶认知功能一直是未解之谜。当人们按下错误按键时，不仅会引发动作迟缓（Post-Error Slowing），更可能干扰正在进行的工作记忆（Working Memory, WM）——这种现象被Wessel团队命名为ERIAM（Error Related Impairment of Active Memory）。但现有研究存在两大盲区：一是错误干扰的记忆加工阶段不明，二是记忆广度（span）个体差异的调节机制未解。 Toulouse的研究团队通过精巧的双任务实验设计，为揭开这些谜题提供了关键证据。研究采用改进的Eriksen flanker冲突任务与数字回忆任务

  来源：Acta Psychologica

  时间：2025-05-26

知名企业招聘：