• 基于交通流量与机器学习的OD矩阵估计：一种模拟数据驱动的高精度新方法

  本文针对缺乏公开大数据的OD矩阵估计难题，研究人员利用交通模拟（SUMO）生成合成数据集，并通过机器学习模型（如ANN+SVR混合模型）进行高精度预测。研究表明，机器学习方法显著优于传统模拟工具DFRouter，为交通规划与事故预防提供了更可靠的数据基础。

  来源：IEEE Access

  时间：2026-03-16

• 限时睡眠对空手道精英运动员认知与体能表现的影响：一项随机交叉研究

  这篇研究通过随机交叉设计，揭示了单晚睡眠限制（4小时 vs. 8小时）如何显著损害精英空手道运动员的执行功能、反应时、下肢爆发力、敏捷性和专项有氧耐力，强调了充足睡眠是保障格斗运动员竞技表现与降低损伤风险的核心要素。

  来源：Medical Care

  时间：2026-03-16

• 用于空间折叠梁建模和内部共振的模式加权方法

  传统贝叶斯有限元模型更新需迭代大规模仿真，耗时耗力。本研究提出贝叶斯傅里叶神经算子框架，通过预训练FNO替代部分有限元计算，结合生成的数据集进行后验估计，实现PC桥梁非线性参数快速辨识。验证表明，该框架相比传统方法大幅缩减计算时间，为桥梁数字孪生提供高效解决方案。

  来源：Engineering Structures

  时间：2026-03-16

• 利用BP-DEMATEL模型进行影响参数识别，以提升河流冰过程的预测精度

  BP-DEMATEL模型优化冰情预测方法研究：以黄河内蒙古段为例

  来源：Cold Regions Science and Technology

  时间：2026-03-16

• 用于预测反应堆运行的中子学替代模型的开发

  数字孪生技术结合代理模型提升核反应堆实时分析精度，通过多项式回归和Gaussian过程回归构建物理基础模型，验证其在AGN-201、NRAD及微型反应堆中的泛化能力，实现控制元件与功率输出的高效映射。

  来源：Annals of Nuclear Energy

  时间：2026-03-16

• 用于神经视频压缩的双尺度变换器及可变比特率同步技术

  神经视频压缩通过改进自注意力机制和跨门控前馈网络提升编码效率，采用变量比特率同步策略优化训练，实验显示性能优于现有SOTA方法和H.266/VVC标准。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-03-16

• 利用流体振荡器优化扫掠射流冷却效果：一项参数研究

  本研究系统考察了受限几何结构中冲击射流流体振荡器的热流体性能，通过模拟分析喉道直径(D)、喉道至表面距离(H/D)、喷嘴角度(θ)和雷诺数(Re)对压力损失(Δp)和努塞尔数(Nu)的影响。结果表明：H/D从3增至4时Nu下降4%，θ=60°时Nu最高达2%提升，D增大导致Nu非线性变化，Re增大显著提高Nu但增加Δp。最终通过神经网络优化，确定了最佳参数组合H/D=2.6、θ=60.7°、Re=8736.2、D=5.3mm，实现热效率与压力损失的平衡优化。

  来源：European Journal of Mechanics - B/Fluids

  时间：2026-03-16

• 基底表面粗糙度对可降解丝素涂层与聚氨酯基底之间界面粘附性的影响

  本研究通过表面粗糙度梯度设计优化降解丝心蛋白（SF）涂层与聚氨酯（PU）基材的界面粘附，发现P400-P600中等粗糙度通过机械互锁和氢键结合实现最佳性能，断裂面积减少40%，并建立三重粘附机制（机械互锁、润湿优化、缺陷最小化），为神经植入物提供无剥离解决方案。

  来源：Colloids and Surfaces A: Physicochemical and Engineering Aspects

  时间：2026-03-16

• 基于自适应物理信息的级联神经网络在核反应堆堆芯参数识别中的应用

  针对核电厂系统模拟中传统参数识别方法依赖大量数据、计算成本高的问题，本文提出自适应物理信息 cascaded 神经网络（PICNN）方法。该方法通过分层神经网络结构结合动态权重调整机制，有效解决了稀疏数据和噪声环境下的参数识别难题，并在噪声数据和跨训练集验证中表现出良好的鲁棒性和模型输出一致性。

  来源：Annals of Nuclear Energy

  时间：2026-03-16

• 让两张图表“说话”：用于多模态推荐的自监督双图重建方法

  多模态推荐中存在模态冲突噪声和稀疏交互图导致的流行度偏差及冷启动问题。本文提出双图重建方法DuGRec，通过融合空间、频谱和共现多视角相似性构建鲁棒的物-物图，消除模态噪声；利用自监督对比学习增强跨模态表示一致性，并设计用户偏好注意力机制优化交互图。实验表明在5个数据集上Recall@10提升7.94%，NDCG@10提升9.78%。

  来源：TRENDS IN FOOD SCIENCE & TECHNOLOGY

  时间：2026-03-16

• 一种用于多模态信息计算中特征表示学习的区分性关联平台

  智能多媒体计算中基于深度神经网络的可持续发展与可解释性学习模型研究。通过融合统计机器学习原理与感知机式神经网络级联架构，提出DC-PNN模型实现多模态特征高效表征，在六类基准数据集和青光眼图像分类实际应用中验证其优越性及资源效率优势。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-03-16

• HMSRNet：利用混合网络和复合损失函数实现湍流流动的超分辨率重建

  本研究提出混合多尺度超分辨率神经网络（HMSRNet），结合梯度损失、谱损失等复合损失函数，有效解决了低分辨率湍流场重建中高频率结构丢失的问题，显著提升了小尺度湍流结构的重建精度和谱一致性，并通过对比实验验证了其在高放大因子下的优越性能。

  来源：European Journal of Mechanics - B/Fluids

  时间：2026-03-16

• 一种用于检测网络隐蔽定时通道的多尺度指纹级联框架

  网络隐蔽通道检测方法研究：提出基于多尺度指纹与图神经网络的四阶段 cascade 检测法，通过短时IPD变化特征提取、GNN相似度优化和双阈值分类策略，实现低延迟（<20ms）、低内存（<2GB）的实时检测，适用于边缘网关安全防护。

  来源：Computer Communications

  时间：2026-03-16

• 通过图像恢复问题，对由不同神经结构组成的忆阻式脉冲神经网络的性能进行了比较

  本研究构建了基于FitzHugh-Nagumo、Hindmarsh-Rose和Morris-Lecar神经元模型的九种 memristive SNN网络，通过STDP算法和WTA机制对含均匀白噪声干扰的字母模板图像进行恢复，并对比分析网络性能。结果表明：神经元模型的生物相关性越高，网络恢复速度越快；memristor窗口函数的变化也会显著影响恢复质量。研究为MSNN理论架构提供了新视角。

  来源：Ceramics International

  时间：2026-03-16

• 基于物理信息的自适应卡尔曼滤波器在考虑模型不确定性的工业机器人中用于接触力估计

  传感器less外力估计通过物理信息神经网络建模与自适应卡尔曼滤波结合，有效补偿关节间隙不确定性并抑制噪声。摘要：提出PIAKF框架，集成PINN动力学建模与Gaussian基函数补偿模块，采用变周期模式切换移动平均滤波抑制扰动传播，显著提升复杂动态下外力观测精度。

  来源：ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING

  时间：2026-03-16

• 图神经网络赋能5G网络智能预测性维护：从空间相关性建模到可靠服务保障

  5G无线链路在恶劣天气下易中断，影响服务质量和运营商目标。研究人员针对传统方法难以处理极端类别不平衡和空间依赖性的问题，开展了基于图注意力网络（GAT）的智能预测性维护研究。他们利用来自土耳其Turkcell的真实运营商数据集，构建了天气足迹图来建模站点间的空间依赖，实现了对无线链路故障的精准预测，模型F1分数达0.717，优于多种基线。这项研究为通信网络的高可靠性运维提供了创新的智能决策工具。

  来源：IEEE Access

  时间：2026-03-16

• 基于临床与手术因素的唾液腺腺泡细胞癌SEER生存列线图：个体化预后预测模型的构建与验证

  文章推荐本综述聚焦于唾液腺腺泡细胞癌（AcCC），针对其复发、转移与死亡风险，首次利用美国SEER数据库大样本数据，构建并验证了一个整合年龄、性别、TNM分期及手术类型等临床因素的列线图（nomogram）模型。该模型在预测患者3年与5年总生存期（OS）方面表现出色（C指数0.824，AUC>0.8），为临床医生提供了一种量化、个体化的预后评估工具，有助于优化治疗决策与患者管理。

  来源：Medical Care

  时间：2026-03-16

• 基于条件扩散的去噪技术，结合对比学习和课程学习策略，用于构建鲁棒的社会推荐系统

  社交推荐中基于条件扩散去噪的模型CDDSR通过多源条件引导的扩散过程抑制噪声，结合对比学习和课程学习提升用户表示一致性，在三个数据集上显著优于基线方法。

  来源：Data Science and Management

  时间：2026-03-16

• 从单向到网格：多卷曲混沌吸引子的生成与精确控制

  基于多分段反正切函数的膜阻尼器与三维Hopfield神经网络结合，构建新型神经动力学模型，实现可控的双向多吸引子拓扑生成与参数协同调控，并通过DSP平台验证了其数字电路可行性，为脑启发计算与信息安全提供新机制。

  来源：Chaos, Solitons & Fractals

  时间：2026-03-16

• 基于数据的电力分配网络协同设计：通过图神经网络辅助的性能评估提升系统韧性

  提出基于深度学习图神经网络（GNN）的协同优化框架，通过代理模型降低计算成本，结合混合整数线性规划（MILP）实现电力系统网络设计与恢复资源调度协同优化，并以IEEE分布系统为案例验证其有效性。

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-03-16

知名企业招聘：