• 求解非线性单调方程的创新算法：开启信号恢复新征程

  在科学研究和实际应用的诸多领域，如经济均衡、金融预测、电力系统等，非线性单调方程（形如P(x)=0，x∈G，其中G⊆Rn 为非空、凸且闭集，P:Rn→Rn 是单调函数）都扮演着重要角色。然而，传统的求解方法，像 Levenberg–Marquardt 法、牛顿法等，虽然收敛速度较快，但它们存在一个棘手的问题，那就是需要计算和存储逆雅可比矩阵或其近似值，这在实际操作中往往困难重重，甚至由于矩阵的奇异性而无法实现。因此，寻找一种高效、简便且适用于大规模问题的求解算法成为了研究的迫切需求。在这样的背景下，研究人员致力于探索新的解决方案。他们提出了一种改良的三项 Dai–Yuan 型（TTDY）无导数

  来源：Franklin Open

  时间：2025-05-12

• 基于颜色线和二向色反射模型的光源估计方法：精准去除图像色偏，助力视觉分析新突破

  在日常生活中，我们用相机拍照时，有时会发现拍出来的照片颜色和实际场景不太一样，比如在某些灯光下，照片里的物体颜色会出现偏差，这就是图像色偏现象。这种色偏问题可不小，在图像分析和识别领域，它会严重影响基于准确颜色信息的处理过程。像在医疗影像分析中，如果图像存在色偏，医生可能会误判病情；在工业检测中，也可能导致对产品颜色的错误判断。目前，已有多种光源估计方法被提出，比如基于假设的方法、深度学习方法以及基于二向色反射模型的方法等。然而，这些方法在处理颜色分布扭曲或有噪声的图像时，都存在一定的局限性，无法很好地去除色偏。为了解决这些问题，研究人员开展了关于基于颜色线（Color Lines）和二向色反

  来源：Franklin Open

  时间：2025-05-12

• 基于知识与数据增强的热电联产系统燃烧状态精准识别方法

  热电联产系统作为能源转型的关键技术，在提升能效和减少污染方面具有战略意义。然而，发展中国家此类系统常因燃烧不稳定导致污染物超标，甚至引发炉膛结渣、爆燃等严重事故。传统数据驱动方法如支持向量机(SVM)和深度森林算法虽取得进展，但面临核心瓶颈：正常与异常燃烧样本量严重失衡（正常状态占90%以上），导致模型对罕见故障的识别准确率骤降。现有生成对抗网络(GAN)虽能扩充样本，但多类样本生成中存在梯度消失、模式坍塌等问题，且缺乏对燃烧机理的深度嵌入。中国的研究团队在《Expert Systems with Applications》发表的研究中，创新性地将机理知识与数据增强融合，提出RACGAN框架。

  来源：Expert Systems with Applications

  时间：2025-05-12

• Radar M3-Net：基于多尺度多层级大感受野网络的4D毫米波雷达稀疏点云3D目标检测新方法

  在自动驾驶技术快速发展的今天，环境感知系统的可靠性直接关系到行车安全。尽管激光雷达(LiDAR)和摄像头是当前主流的3D目标检测传感器，但前者在恶劣天气下性能骤降且成本高昂，后者则缺乏精确深度信息。4D毫米波雷达凭借其全天候工作能力和成本优势成为新兴选择，但其点云数据极度稀疏的特性严重制约了检测精度——这正是Radar M3-Net试图攻克的核心难题。中国科学技术大学的研究团队在《Expert Systems with Applications》发表的研究中，创新性地构建了多尺度、多层级、多帧融合的检测网络。通过设计多尺度体素特征编码(MSVFE)模块捕获局部几何特征，多层注意力(MLA)模块

  来源：Expert Systems with Applications

  时间：2025-05-12

• 基于p,q-准梯级正交模糊混合聚合算子的自适应多准则群决策优化作物选择方法

  在气候变化加剧和粮食安全压力倍增的背景下，农业决策面临前所未有的复杂性。传统作物选择方法依赖静态模型，难以应对突发干旱、市场波动等动态因素。更棘手的是，土壤特性、气候适应性等关键参数常存在测量模糊性，而现有直觉模糊集(IFS)和毕达哥拉斯模糊集(PFS)因数学约束过强(如u+v≤1或u2+v2≤1)，无法充分表达极端不确定性。这就像试图用固定焦距相机拍摄暴雨中的移动物体——要么失焦，要么错过关键帧。针对这一瓶颈，研究人员创新性地将p,q-准梯级正交模糊集(p,q-QOFSs)引入多准则群决策(MCGDM)框架。该理论突破源自Yager的q-梯级正交模糊集(q-ROFSs)，通过放宽约束为uq+

  来源：Expert Systems with Applications

  时间：2025-05-12

• 高效识别复杂电能质量扰动的创新解法：突破困境，守护电网稳定

  在当今电力领域，可再生能源大规模接入电网，分布式发电、非线性负载和电力电子设备广泛应用。这看似为电力供应带来新活力，实则给电网稳定运行埋下诸多隐患。原本相对稳定的电压波形开始出现异常，电能质量扰动（PQDs）问题愈发严重。不同类型的 PQDs，如电压骤降（sag）、骤升（swell）、中断、谐波、振荡瞬变、脉冲瞬变等，常常同时出现，相互叠加，使得电压波形变得极为复杂。这不仅会导致变压器、传输线等设备过热，缩短其使用寿命，还可能造成敏感设备故障、数据丢失，甚至引发电网停电，给电力系统运营商和用户带来巨大的经济损失。据统计，在欧盟国家，PQDs 问题每年造成约 1500 亿欧元的经济损失。然而，以

  来源：Expert Systems with Applications

  时间：2025-05-12

• 增强现实联合吲哚菁绿荧光引导腹腔镜右半肝切除术治疗肝细胞癌：创新技术提升手术预后

  在肝脏手术的世界里，右半肝切除术堪称一场挑战重重的 “冒险”。肝脏就像人体的一座 “化工厂”，承担着众多重要功能，而右半肝在其中占据着不小的 “版图”。当肝癌这个 “不速之客” 降临在右肝，右半肝切除术便成为重要的 “战斗武器”。然而，右肝复杂的血管网络如同迷宫，血管异常情况也屡见不鲜，这让外科医生在手术时仿佛置身于布满陷阱的战场，稍有不慎就可能引发严重出血。同时，切除超过一半的肝脏，对于剩余肝脏功能的评估至关重要，尤其是那些本身肝脏功能就不太好的患者。传统的手术方式在面对这些难题时，常常力不从心。吲哚菁绿荧光成像（ICG-FI）的出现，给腹腔镜肝切除术带来了一丝曙光。它就像手术中的 “荧光地

  来源：European Journal of Surgical Oncology

  时间：2025-05-12

• SE-MV-G2S：多机场系统终端机动区空中交通流预测的创新之钥

  在过去几十年间，全球航空业迅猛发展，城市不断扩张，多机场系统（MAS）应运而生。在多机场系统的终端机动区（MAS-TMA），空中交通状况极为复杂。频繁交叉的起降航班流、众多共享的航线以及耦合的计量点，使得这里的交通状况变幻莫测。比如，在繁忙时段，不同机场的航班在 MAS-TMA 内频繁穿梭，航线交织，稍有不慎就可能引发拥堵和冲突。而且，现有的空中交通流预测（ATFP）方法在应对 MAS-TMA 的特殊情况时存在诸多不足。一方面，MAS-TMA 内扇区拓扑结构不规则，飞行限制多样，机场流量混合，空间依赖关系复杂，传统方法难以准确把握。例如，广州和珠海的两个扇区，虽距离远且航线不相连，但因进港航班

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 迈向机器学习中的可解释人工智能：基于高效扰动解释方法的深度探索

  如今，人工智能（AI）已深度融入日常生活，从互联网产品推荐到贷款申请，都有它的身影。在科学技术的众多领域，AI 也发挥着核心作用。然而，许多 AI 模型存在缺乏可解释性的问题，犹如一个个 “黑匣子”。这一特性引发了诸多担忧，比如可能导致偏见延续、做出不合理决策，还会让用户和利益相关者对其运作方式感到困惑。在医疗和金融等关键领域，这种 “黑箱” 特性的风险尤为突出。例如在医疗领域，医生依靠 AI 模型进行疾病诊断时，如果无法理解模型的决策依据，就难以对诊断结果建立信任，可能影响患者的治疗。在金融领域，贷款审批等决策若由难以解释的 AI 模型主导，可能引发公平性争议。因此，让 AI 模型的决策过程

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 基于新型加权核距离的可能性 C 均值聚类方法：攻克不平衡图像聚类难题

  在人工智能蓬勃发展的当下，图像分割作为其中的关键环节，对于众多领域的发展起着至关重要的作用。可能性 C 均值聚类（Possibilistic c - means clustering，PCM）算法作为经典的分区聚类算法，在图像分割中占据着重要地位。然而，现实就像一座充满挑战的山峰，PCM 算法在攀登的过程中遇到了诸多阻碍。当面对具有多种特征的彩色图像时，PCM 算法常常显得力不从心。特征不平衡使得算法在处理数据时难以准确把握各个特征的重要性，就像一个人在错综复杂的迷宫中迷失了方向；聚类大小不平衡则如同参差不齐的积木，让算法难以搭建出整齐有序的聚类结构；噪声攻击更是雪上加霜，仿佛是一阵突如其来的

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 创新模型精准预测化石能源消耗，为能源决策 “掌舵”

  在当今世界，能源是推动经济发展、维持生活品质和促进科技创新的关键力量，其消耗模式与趋势备受全球关注。中东地区经济严重依赖化石燃料，美国 2022 年化石燃料占能源消耗的 79%。准确预测化石能源消耗，对于了解新能源需求和传统能源依赖程度至关重要。然而，当前能源预测面临诸多难题。统计方法多基于线性假设，易出现过拟合或欠拟合；机器学习模型虽能处理非线性数据，但对训练数据的数量和质量要求苛刻，参数调整复杂也易导致过拟合；传统灰色模型对初始值敏感。为了突破这些困境，来自国内的研究人员开展了一项极具意义的研究，相关成果发表在《Engineering Applications of Artificial

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 基于多层级图注意力网络的红外目标跟踪方法SiamMLGR研究

  论文解读在夜间监控、沙尘天气等极端环境下，热红外(TIR)成像技术因不受光照影响成为关键手段。然而，TIR目标跟踪面临三大难题：缺乏色彩纹理导致特征提取困难，形变和遮挡引发匹配漂移，以及训练数据稀缺造成的模型泛化不足。传统方法依赖手工特征或全局匹配，难以捕捉细粒度特征，而现有深度学习方案又因样本失衡在部分场景表现欠佳。为解决这些问题，曲阜师范大学等机构的研究团队在《Engineering Applications of Artificial Intelligence》发表研究，提出创新性解决方案。团队设计名为SiamMLGR的孪生网络框架，核心采用多图注意力模块(MGAM)替代传统全局匹配，通

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 小波增强的通道无关网络：长短期时间序列预测的创新突破

  在当今科技飞速发展的时代，时间序列预测在众多领域都扮演着举足轻重的角色。无论是金融市场的风云变幻，投资者们渴望精准预测股票走势、汇率波动以获取收益；还是能源领域，需要提前预估能源消耗，合理安排生产与供应；亦或是工业生产，为实现高效优化、保障生产稳定运行，都离不开准确的时间序列预测。然而，长短期时间序列预测（Long-Term Time Series Forecasting，LTSF）却面临着重重挑战。预测周期长，使得未来充满不确定性；数据波动剧烈，犹如波涛汹涌的大海，难以捉摸；变量之间的关系错综复杂，宛如一团乱麻。此前，传统的预测方法，如自回归积分滑动平均（ARIMA）模型和指数平滑（ES）模

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• 自适应协同运动规划：下肢外骨骼机器人与步行辅助机器人的创新融合

  在康复医学领域，步态训练对于众多患有步态障碍的患者来说，是恢复身体机能的关键一环。想象一下，那些因脊髓损伤、中风或脑瘫而行动不便的患者，他们渴望重新自由行走，重拾正常生活。下肢外骨骼机器人（Lower Limb Exoskeletons，LLEs）的出现，就像是黑暗中的一丝曙光，为这些患者带来了希望。临床研究发现，借助 LLEs 进行重复性的步态训练，能够有效改善患者的多项身体机能，比如延长连续行走时间、提高行走速度、增强心肺功能、改善平衡能力以及促进步态恢复等。然而，在康复训练的早期阶段，问题出现了。对于那些肌肉力量减弱的患者而言，仅仅依靠 LLEs 是不够的，他们在训练过程中很难保持平衡。

  来源：Engineering Applications of Artificial Intelligence

  时间：2025-05-12

• YOLO-SAD：突破困境，实现真实图像火灾精准检测与定位的创新之法

  在日常生活和工业生产中，火灾如同隐藏的 “恶魔”，随时可能爆发，带来巨大的生命和财产损失。传统的火灾检测手段，像是依靠人工巡逻，不仅效率低下，还存在诸多漏洞，难以做到实时、精准地发现火灾。随着科技的发展，计算机视觉技术被应用到火灾检测领域，为人们带来了新的希望。然而，目前的火灾检测技术依旧面临重重挑战。传统的基于图像特征（如颜色、形状、纹理）的火灾检测方法，过于依赖人工设计的特征，一旦场景发生变化，检测效果就大打折扣。而深度学习方法虽然能自动学习图像特征，但在处理复杂的火灾背景时，容易提取出过多冗余信息，影响检测精度。此外，火灾的轮廓往往模糊不清，在复杂场景中还容易受到背景干扰，小火灾的检测更

  来源：Digital Signal Processing

  时间：2025-05-12

• 煤制甲醇气化灰水深度脱盐：流化床结晶与摇椅式电容去离子协同技术研究

  煤制甲醇气化灰水治理的技术突破煤炭资源的高效利用一直是能源领域的重要课题，煤制甲醇技术作为清洁燃料转化途径，在中国等煤炭大国得到广泛应用。然而这一过程产生的气化灰水却成为环保难题——其复杂的成分堪称"离子鸡尾酒"，包含氨氮、悬浮物以及Ca2+、Mg2+、Cl−等多种盐离子。传统化学沉淀法虽能去除部分硬度离子，但会产生含水率超95%的污泥，且对Cl−等非结晶离子束手无策，形成"去硬不去氯"的技术瓶颈。为解决这一难题，中国石化集团资助的研究团队在《Desalination》发表创新成果。研究人员独辟蹊径，将流化床结晶（Fluidized Bed Crystallization, FBC）与摇椅式电

  来源：Desalination

  时间：2025-05-12

• 二维三明治状 BC/CAL-T 复合膜：协同驱动太阳能水净化与光催化 CO2还原的创新之选

  在全球气候变化与社会快速发展的大背景下，淡水和清洁能源的需求日益增长，这给可持续资源管理带来了巨大挑战。传统获取淡水和能源的方式，要么成本高昂，要么对环境破坏较大，急需新的解决办法。太阳能作为一种取之不尽、用之不竭的可再生能源，成为了科研人员关注的焦点。要是能把太阳能高效地转化为可用的能源，同时实现水的净化，那该多好啊！然而，现实并没有那么顺利。目前，有效利用太阳能光谱同时驱动淡水生产和清洁燃料生成是一大难题。而且，在光催化过程中，粉末状光催化剂容易沉淀在水溶液底部，后续分离回收复杂，增加了操作成本和难度。为了攻克这些难题，来自国内的研究人员展开了深入研究。他们致力于开发一种新型的材料，能够将

  来源：Desalination

  时间：2025-05-12

• 综述：用于阐明电催化中电解质效应的原位（Operando）方法

  引言在电催化过程中，如水电解、氯生产或 CO2转化为有用化学品，催化转换通常发生在电极 - 电解质界面。界面电解质是活性位点的重要组成部分，可调节电催化系统的活性、稳定性和选择性。离子、pH 值和溶剂的选择对多种反应的催化性能有显著影响，然而，电解质组成与电催化性能之间的关系复杂，难以预测。界面电解质结构与本体电解质结构差异大，这是由于界面电解质物种与电极表面的静电和化学相互作用，会形成双电层，溶剂也会在界面重组。目前没有模型能完全描述这种离子 - 溶剂 - 表面的重组。因此，分析本体电解质组成如何转化为电催化反应中活性位点结构的变化，以及调整活性位点结构如何影响催化性能，成为关键挑战。原位技

  来源：Current Opinion in Electrochemistry

  时间：2025-05-12

• 小学二年级数学课堂形成性评价：结构化与灵活性的较量 —— 两种评价方法效果大揭秘

  在教育领域，形成性评价（Formative Assessment，FA）一直备受关注。它旨在学习过程中收集、解释和运用学生学习的证据，帮助教师根据学生当前的学习情况调整教学，以优化个体学习。众多研究表明，FA 对学生成绩有积极影响，尤其在数学教学方面。然而，目前仍存在一些问题。一方面，虽然许多研究聚焦于 FA 的重要性，但很少有研究直接比较不同 FA 方法的效果。另一方面，尽管知道专业发展、反馈等因素会影响 FA 的效果，但对于 FA 过程中实际证据来源 —— 不同评估方法的具体影响，研究还不够深入。为了解决这些问题，德国的研究人员开展了一项研究。他们将两种不同结构的 FA 方法进行对比，一种

  来源：Contemporary Educational Psychology

  时间：2025-05-12

• 教育聊天机器人：提升在线评估技能的创新之道

  在当今数字化时代，互联网成为人们获取信息的主要渠道。然而，网络信息繁杂，充斥着虚假、误导性内容，如社交媒体上的虚假新闻、广告伪装成的信息等。这使得人们在面对海量信息时，难以分辨其可信度和相关性。学生作为互联网的频繁使用者，在进行自我调节学习时，常常因无法准确评估网络信息，影响学习效果，甚至可能在生活、学习、工作等多方面做出错误决策。比如，在撰写学术论文时引用了不可靠的信息源，导致论文质量下降。为了解决这一问题，来自国外的研究人员开展了一项关于 “通过教育聊天机器人提升在线评估技能” 的研究。该研究成果发表在《Computers in Human Behavior: Artificial Hum

  来源：Computers in Human Behavior: Artificial Humans

  时间：2025-05-12

知名企业招聘：