• 基于扰动的错误检测与校正方案在可靠大规模机器学习系统中的研究

  在人工智能快速发展的今天，大规模机器学习（ML）系统如神经网络（NN）凭借数十亿参数在计算机视觉、自然语言处理等领域大显身手。然而，复杂的网络结构和海量数据下，硬件错误导致模型参数损坏的问题日益凸显，传统容错方案要么依赖冗余设计，要么改变正常推理流程，不仅增加计算开销，还难以适配包含多个复杂网络的大规模系统。如何在不引入额外冗余的前提下，高效检测并校正这类错误，成为保障系统可靠运行的关键挑战。为解决这一难题，研究人员开展了基于扰动的错误检测与校正（Perturbation-Based Error Detection and Correction, PBEDC）方案研究。论文发表在《Future

  来源：Future Generation Computer Systems

  时间：2025-05-19

• 人工智能驱动生物制氢优化：利用 ANN-GA、RSM 和 Python 协同技术开发新型氨氧化产碱菌利用甘蔗渣的研究

  在全球能源危机与气候变暖的双重压力下，传统化石燃料的枯竭迫使人类急需寻找清洁可持续的替代能源。生物氢（BioH₂）作为一种零碳燃料，燃烧产物仅为水，且能量密度高达 122 kJ/g，是碳氢燃料的 2.75 倍，被视为未来能源转型的关键角色。然而，当前生物制氢面临效率瓶颈：暗发酵（DF）虽具工业可行性，但氢气产率仅为 1-2 mol H₂/mol 葡萄糖；光发酵和生物光解需光照且易受氧气干扰；微生物电解池（MECs）成本高昂。此外，木质纤维素原料的预处理效率、微生物代谢路径调控及多参数优化等问题，均制约着生物制氢的规模化应用。为突破这些瓶颈，来自相关研究机构的研究人员开展了以甘蔗渣（SB）为原料

  来源：Fuel

  时间：2025-05-19

• 实时监测与验证气相中计划-I化学战剂的SPME-GC联用火焰光度检测技术研究

  化学战剂(Chemical Warfare Agents, CWAs)的检测技术发展始终面临两大挑战：如何在实验室安全模拟真实战场环境下的毒剂浓度，以及如何实现长时间暴露实验中的浓度稳定性验证。神经毒剂(GA/GB/GD/GF)和糜烂性毒剂(HD)等计划-I化学品因其极高毒性，其研究受到OPCW严格限制，传统溶剂萃取法不仅操作危险且无法满足实时监测需求。当前主流检测技术如离子迁移谱(IMS)和火焰光度检测器(FPD)虽能现场报警，但缺乏定量验证手段，而XAD吸附管采样需复杂前处理，难以适应防护装备长达6小时的测试需求。为突破这些技术瓶颈，国防研究与发展机构的研究团队在《Forensic Che

  来源：Forensic Chemistry

  时间：2025-05-19

• 基于区域聚焦CNN与动态自适应图注意力网络的立体视觉诱发脑电识别研究

  立体视觉是人类感知三维空间深度的关键能力，但传统临床诊断依赖主观反馈，存在个体差异大、精度不足的缺陷。随着脑科学进展，研究者发现立体视觉处理会引发特定脑区（如额叶与枕叶）的神经电活动变化，这为客观诊断提供了新思路。然而，脑电图(EEG)信号具有非线性、高噪声的特点，且不同脑区协同机制复杂，现有方法如静态图卷积网络(GCN)难以捕捉动态功能连接，而常规卷积神经网络(CNN)受限于局部感受野，无法有效建模全局脑区交互。针对这些挑战，南京大学鼓楼医院团队在《Expert Systems with Applications》发表研究，提出区域聚焦CNN结合动态自适应图注意力网络(RFCN-DAGAT)

  来源：Expert Systems with Applications

  时间：2025-05-19

• 基于隐式几何描述符的人工神经网络框架实现架构化纳米纤维材料统一结构-性能关系研究

  在追求轻量化与高性能材料的今天，垂直排列碳纳米管（VACNT）泡沫因其独特的层级结构和卓越的力学性能成为研究热点。这类材料通过纳米尺度尺寸效应和纳米管间相互作用的协同，展现出惊人的能量吸收能力、模量和强度。然而，这些纳米机制如何通过宏观架构影响不同力学性能仍不清晰，且现有设计方法依赖架构特异性显式参数（如圆柱阵列的内径Din、壁厚t），阻碍了跨架构统一设计原则的建立。为解决这一难题，来自美国威斯康星大学的研究团队在《Extreme Mechanics Letters》发表研究，提出了一种基于隐式几何描述符的人工神经网络（ANN）框架。他们创新性地引入两种多组分形状不变量（MCSI）——反映架构

  来源：Extreme Mechanics Letters

  时间：2025-05-19

• 综述：自动驾驶场景理解任务的深度学习方法综述

  自动驾驶场景理解的深度学习技术进展一、自动驾驶与场景理解的核心价值自动驾驶系统依赖多传感器处理环境信息，其中场景理解是核心任务，需从视觉数据中提取物体形状、尺寸、纹理等特征以支撑决策。卷积神经网络（CNN）等深度学习（DL）方法推动了目标检测、语义分割等视觉任务的发展，使车辆能实时感知动态环境。二、场景理解的四大核心视觉任务目标检测（Object Detection）通过边界框定位道路场景中的车辆、行人等实体，分为单阶段（如 YOLO）、两阶段（如 Faster R - CNN）和弱监督方法。单阶段算法实时性强但精度稍低，两阶段算法精度高但计算成本高，弱监督方法依赖少量标注数据学习。语义分割（

  来源：Expert Systems with Applications

  时间：2025-05-19

• CLN：用于胸部 X 线图像定位与分类的多任务深度神经网络

  在医学影像领域，胸部 X 线（CXR）作为常用且经济的检查手段，广泛用于多种疾病的检测。然而，其准确解读需要专业放射科医生，过程耗时且易受主观因素影响，存在漏诊或误诊风险。同时，尽管深度学习方法在 CXR 图像分类中表现出色，但 “黑箱” 特性导致医生难以信任其决策，可解释性不足成为临床应用的主要障碍。如何提升模型的可解释性，让医生直观看到病变位置，成为推动 AI 在医学影像中落地的关键问题。此外，现有一些方法计算复杂度高，在资源有限的临床环境中推广困难。为解决上述问题，国外研究机构的研究人员开展了胸部 X 线图像定位与分类的研究。他们提出了胸部 X 线定位网络（CLN），这是一种多任务深度神

  来源：Expert Systems with Applications

  时间：2025-05-19

• TIPS：一种基于文本交互比例评分的深度学习模型解释性评估新指标

  在人工智能技术快速发展的今天，深度神经网络(DNN)已成为自然语言处理(NLP)任务的核心工具。然而这些"黑箱"模型内部复杂的运算机制，使得人们难以理解其决策逻辑——当BERT或LSTM模型判定一段影评具有负面情绪时，究竟是哪些关键词组合触发了这个判断？现有解释方法主要通过分析词语交互(interaction)来揭示模型行为，但评估环节却存在两大痛点：一是绝对化的交互贡献评估会因文本自身交互强度差异导致误判，二是传统shuffling方法会破坏非目标区域的交互关系。这些问题严重制约着可解释性研究的可靠性。针对这一研究瓶颈，国内研究团队在《Expert Systems with Applicat

  来源：Expert Systems with Applications

  时间：2025-05-19

• 基于脉冲卷积胶囊网络的脑电情绪识别：生物合理性优化与批量归一化创新

  情绪是人类心理活动的核心组成部分，直接影响健康状态与决策行为。然而，传统基于人工神经网络(ANN)的脑电(EEG)情绪识别模型存在高能耗、低生物合理性等问题，而脉冲神经网络(SNN)虽具能效优势，却因特征提取能力不足难以匹敌ANN性能。这一矛盾促使研究者探索新型计算框架。为解决这一挑战，武汉理工大学的研究团队在《Expert Systems with Applications》发表研究，首次将胶囊网络(CapsNet)引入SNN体系，构建脉冲卷积胶囊网络(SCCapsNet)。该模型通过三阶段创新：1）改进STDP路由算法以捕捉EEG时序特征；2）设计tau-BN层缓解L2范数导致的神经元死亡

  来源：Expert Systems with Applications

  时间：2025-05-19

• HyperSegmenter：基于大核卷积的高效语义分割架构创新与性能突破

  语义分割作为计算机视觉的核心任务，其目标是为图像中的每个像素赋予语义标签，在自动驾驶、医疗影像等领域具有重要应用。尽管Vision Transformer(ViT)通过自注意力机制实现了长程建模，但其将二维图像展平为一维序列的处理方式破坏了空间层次结构，且二次计算复杂度限制了在高分辨率图像中的应用。同时，现有大核卷积方法(如31×31感受野)存在参数爆炸和空间不敏感等问题，导致边缘语义关联性下降。这些挑战促使研究人员重新审视CNN架构的潜力。为解决上述问题，研究人员开展了一项创新性研究，提出HyperSegmenter架构。该研究通过三个关键创新：在编码器采用多分支正交分解卷积(如21×5+5

  来源：Expert Systems with Applications

  时间：2025-05-19

• 基于人工神经网络的无刷双馈感应发电机（BDFIG）风力发电机优化控制研究

  在全球能源需求激增与环境问题凸显的背景下，风能作为可持续发电的战略选择备受关注，配备双馈感应发电机（DFIG）的风力 turbines 更是清洁能源转型的核心力量。然而，现有研究面临两大瓶颈：一是多数采用浅层神经网络架构（如 2-3-7-5-1 结构），缺乏对学习过程和内部参数优化的深入探索，难以精准捕捉无刷双馈感应发电机（BDFIG）复杂动态特性；二是传统控制策略（如模糊逻辑、PI 控制）对风速波动和参数变化敏感，且缺乏充分实验验证，导致风电系统能效与稳定性提升受限。为突破上述困境，国外研究人员围绕 BDFIG 风力发电机控制展开研究，相关成果发表于《Engineering Applicat

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-19

• 基于伪排练的表格数据分类方法：克服灾难性遗忘的增量终身学习框架TRIL3

  在人工智能领域，持续学习(Continual Learning, CL)系统面临着一个根本性挑战：当模型不断学习新知识时，往往会迅速遗忘先前掌握的信息，这种现象被称为"灾难性遗忘"(Catastrophic Forgetting)。这一问题在医疗诊断、工业制造等动态数据场景中尤为突出，因为这些领域的模型需要持续适应新出现的疾病变体或设备配置，同时保持对已有知识的准确判断。尽管现有研究提出了动态架构、正则化等技术，但多数方案仅适用于图像数据，且依赖任务边界定义，难以应对现实世界中无明确任务划分的表格数据流。针对这一空白，研究人员开发了TRIL3框架——首个专门针对表格数据的伪排练增量终身学习方法

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-19

• 基于极限学习机和干扰观测器的船舶动力定位智能自适应控制研究

  船舶在浩瀚海洋中航行时，如同漂浮的精密仪器，时刻面临着复杂环境的挑战。海浪的起伏、海风的吹拂以及船舶自身结构的复杂性，都会对其动力定位（Dynamic Positioning, DP）精度产生显著影响。动力定位技术作为船舶在特定海域保持位置和航向的关键手段，在深海勘探、海上作业等领域至关重要。然而，传统控制方法在面对船舶模型中未知的非线性因素以及波浪等外部干扰时，往往难以实现精准控制，容易出现轨迹偏离、船体震荡等问题，不仅影响作业效率，还可能对船上精密设备造成损害。因此，如何提升船舶动力定位系统在多干扰环境下的稳定性和抗干扰能力，成为船舶工程领域亟待解决的难题。为了攻克这一技术瓶颈，国内研究团

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-19

• 基于决策树引导人工神经网络预训练方法的高性能混凝土抗压强度预测

  混凝土作为建筑领域的核心材料，其性能预测一直是工程界的重要课题。高性能混凝土（HPC）凭借优异特性在重大工程中广泛应用，但其抗压强度受骨料、水泥、添加剂等多因素影响，呈现复杂非线性关系。传统测试需等待 28 天养护期，耗时长、成本高，而深度学习模型虽能捕捉非线性规律，却面临 “数据饥饿” 难题 —— 构建大规模高质量混凝土配合比数据集成本高昂，限制了模型在小数据集场景的应用。如何在数据有限的情况下提升预测精度，成为亟待突破的技术瓶颈。为攻克这一挑战，国内研究团队开展了相关研究，成果发表在《Engineering Applications of Artificial Intelligence》。

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-19

• 基于因果矩阵嵌入图神经网络的比特币价格预测新方法

  在数字金融浪潮中，比特币作为去中心化加密货币，其价格波动犹如 “金融海洋中的风暴”，吸引着投资者目光的同时也带来巨大挑战。高波动性背后，是宏观经济指标、市场情绪、监管政策等多变量的复杂共舞，传统预测模型如循环神经网络（RNN）、卷积神经网络（CNN）等，往往局限于捕捉数据间的相关性，却难以穿透迷雾识别驱动价格波动的内在因果关系。在市场剧烈震荡时，这些模型常因无法把握稳定的因果逻辑而预测失灵，导致投资者在风险管控和资产配置中举步维艰。如何在这片 “混沌” 中找到价格波动的 “指南针”，成为金融领域亟待破解的难题。为攻克这一挑战，东南大学的研究人员展开了一项突破性研究。他们创新性地将因果矩阵（C&

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-19

• 极早产儿无严重脑室出血或脑室周围白质软化时的神经发育障碍患病率及风险因素分析

  在新生儿重症监护技术飞速发展的今天，极早产儿（22-29周）的存活率已显著提高，但随之而来的神经发育障碍(NDI)问题却像悬在医患头上的达摩克利斯之剑。尤其令人困惑的是，即便排除了严重脑室内出血(IVH)和脑室周围白质软化(PVL)这两种典型脑损伤，仍有相当比例的早产儿在3岁时出现严重NDI——包括发育商(DQ)<70、重度脑瘫或严重感觉缺陷。这种"隐形杀手"的作案机制究竟为何？日本埼玉医科大学的研究团队通过一项跨越15年（2005-2020）的大规模回顾性研究，揭开了这个临床谜团的关键线索。研究团队采用单中心回顾性队列设计，从埼玉医科大学附属医院筛选666例符合标准的极早产儿。通过标准

  来源：Early Human Development

  时间：2025-05-19

• 综述：人格在亲密关系中的作用

  理想伴侣的人格特质当提及理想伴侣时，全球受访者均认为人格至关重要。跨文化研究显示，理想伴侣的高排名特质中，人格占五项，可靠性仅次于相互吸引 / 爱，情绪稳定性和愉悦性格分列第三、第四，社交性第七，野心 / 勤奋第十一。这表明人格比外貌、宗教相似性和经济前景更受重视。男女均渴望伴侣善良、值得信赖，诚实 - 谦逊（Honesty-Humility）在长短期关系中均重要，尤其长期关系。但研究发现，受访者对理想伴侣特质的排序可能仅针对自身，即更关注伴侣与自己互动时的真诚公平，而非普遍意义上的品质。实验显示，人们更看重伴侣对自己及亲密者的善良可信，对外人则要求较低。总体而言，男女都希望伴侣可靠、不欺骗利

  来源：Current Opinion in Psychology

  时间：2025-05-19

• 文本信息情感传递的精准解码：日常短信与邮件中情绪效价的发送者-接收者一致性研究

  在数字通信时代，一个长期存在的迷思是：文字信息是否如同"情感电报机"，总是丢失关键的情绪信号？媒体贫乏理论(Media Richness Theory)和早期研究认为，缺失面部表情、语调等非语言线索的文本沟通(Text-based communication)必然导致情绪误读，特别是负面误解。这种观点被大众媒体广泛传播，甚至催生出"邮件愤怒症"(email rage)等流行概念。然而荷兰研究团队在《Computers in Human Behavior Reports》发表的最新研究，通过严谨的实证数据颠覆了这一认知。研究团队设计了两项创新性研究：Study 1聚焦347对真实短信交流(含17

  来源：Computers in Human Behavior Reports

  时间：2025-05-19

• AI 语音设备用于老年人群神经心理评估的初步研究：技术可行性与老龄化健康管理新路径

  在全球老龄化浪潮席卷的当下，“银发浪潮” 对医疗系统的冲击日益显著。据世界卫生组织数据，到 2030 年全球每 6 人中就有 1 人 aged 60 岁及以上，北美地区比例更高。然而，现有的 AI 技术大多面向年轻群体设计，忽视了老年人视觉、听觉、触觉等感官能力下降及认知功能变化的特点，甚至存在 “年龄偏见”—— 语音识别系统因训练数据多来自年轻人，对老年人较慢的语速、较弱的音高和较差的语音清晰度识别率较低。这导致 AI 在老年健康领域的应用严重滞后，既无法满足老年人居家健康监测需求，也难以缓解医疗资源紧张的压力。如何让 AI 技术真正 “适老化”，成为破解老龄化社会医疗困境的关键命题。为填补

  来源：Acta Psychologica

  时间：2025-05-19

• 儿童颅内海绵状血管畸形的磁共振引导激光间质热疗（MRgLITT）：病例系列研究及文献回顾

  磁共振引导激光间质热疗（MRgLITT）用于儿童颅内海绵状血管畸形（CMs）的治疗：病例系列及文献回顾目的显微手术切除是治疗颅内海绵状血管畸形（CMs）的标准方法，但微创治疗手段（尤其是针对深部病变和儿童患者）正日益受到关注。磁共振引导激光间质热疗（MRgLITT）已成为开放性手术的潜在替代方案。本研究旨在评估 MRgLITT 治疗儿童海绵状血管瘤的安全性和有效性，并对现有文献进行回顾。方法通过在 MEDLINE（PubMed）、Scopus、Embase 和 Cochrane 数据库中使用与 “LITT” 和 “cavernomas” 相关的术语进行系统检索，筛选出报道儿童患者 MRgLIT

  来源：Child's Nervous System

  时间：2025-05-19

知名企业招聘：