• 基于物理模型的嵌入式神经网络：通过主轴电流信号监测铣削表面粗糙度

  表面粗糙度监测方法创新：提出物理模型嵌入神经网络（PMENN），利用主轴电流信号替代测力计，减少实验成本，通过物理模型预学习非线性关系，结合少样本学习提升模型泛化能力，实验验证和航空应用案例证明其有效性和经济性。

  来源：MECHANICAL SYSTEMS AND SIGNAL PROCESSING

  时间：2026-01-01

• 基于人工智能的低碳混凝土性能预测元模型：多源废弃材料的协同优化与环境影响评估

  本文推荐一项针对低碳混凝土配比优化的创新研究。为解决废弃材料掺入导致的性能预测难题，研究者开发了AI驱动的元模型，整合MLP神经网络与蒙特卡洛模拟，实现对GWP、RCPT、CS等7项性能指标的同步优化。实验验证表明，该模型推荐的GP 25.8%/BFA 7.4%/SR 3.2%混合配比可使氯离子渗透量降低至781.6C，GWP降至252 kg CO2-eq/m3，为绿色建材设计提供精准决策工具。

  来源：Cleaner Materials

  时间：2026-01-01

• 联邦学习新范式：基于Logit Chilling的温度缩放技术显著提升非独立同分布数据下的模型收敛与精度

  本文提出了一种名为FLex&Chill的联邦学习（Federated Learning, FL）新方法，通过引入“Logit Chilling”技术，在本地训练阶段应用低温缩放（Temperature Scaling, T∈(0,1)），有效解决了非独立同分布（non-i.i.d.）数据带来的挑战。该方法通过理论分析和实证验证，证明了其能显著加速模型收敛（最高6倍）并提升推理精度（最高3.37%），为优化联邦学习训练效率提供了新思路。

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-01-01

• D2R：一种用于评估网络结构鲁棒性增强潜力的轻量级距离度量

  本文针对网络结构鲁棒性增强潜力（REP）评估计算成本高的问题，提出了一种名为“距离到正则性”（D2R）的结构度量。该研究通过量化网络度序列与其最近正则变体之间的距离，有效捕捉了与REP相关的结构异质性。实验表明，D2R与鲁棒性指标强相关，将其作为特征集成到机器学习模型中，可显著提升REP预测的准确性，同时大幅降低计算开销，为鲁棒性感知的网络分析提供了一种高效且可解释的工具。

  来源：RELIABILITY ENGINEERING & SYSTEM SAFETY

  时间：2026-01-01

• 智能预测与控制：由伺服支撑的深基坑开挖在邻近现有隧道时引起的变形

  本文提出结合现场测试数值模型、贝叶斯优化深度神经网络（BO-DNN）和基于神经网络的牛顿-拉夫逊算法（DNN-NR），用于智能预测和控制深开挖引起的墙体位移、地面沉降及邻近隧道变形，并实现自适应支撑力调整。

  来源：AUTOMATION IN CONSTRUCTION

  时间：2026-01-01

• 自供电MXene-PVDF传感器：具有高灵敏度，结合LSTM技术实现生产线中的人机交互

  压电传感器设计与智能机械臂集成研究，采用化学蚀刻法制备二维MXene材料，与PVDF通过电纺复合形成高灵敏度压电薄膜，实现90V开路电压和6.09μA短路电流，集成机械臂并应用循环神经网络实现98.75%-99.6%多模态分类精度

  来源：Nano Energy

  时间：2026-01-01

• 综述：脂联素在实验性缺血性脑卒中模型中的神经保护作用：系统评价和荟萃分析

  本综述系统评价并荟萃分析了脂联素（APN）在脑缺血模型中的神经保护作用。研究表明，APN通过激活AMPK、抑制NF-κB等通路，显著减小梗死体积（SMD = –3.18），改善神经功能评分（SMD = –2.17），并调控凋亡（BAX, BCL-2, Caspase-3）、氧化应激（ROS, MDA, SOD）及炎症（IL-1β, TNF-α）等关键分子标记，揭示了其多靶点神经保护机制，为临床转化提供了 preclinical 证据基础。

  来源：Health Sciences Review

  时间：2026-01-01

• 利用基于非线性超声信息的并行多分支卷积神经网络，实现对亚毫米级裂纹的精确检测与表征

  微裂纹检测与深度学习结合的非线性超声方法提出多分支卷积神经网络模型，通过实验与有限元分析建立裂纹参数与超声信号关系，利用分支特定核和解耦层实现深度、长度、方向的同步高精度检测，验证模型在噪声下的鲁棒性（准确率>90%）和可解释性。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-01-01

• 异构算子机制与随机配置网络增强的大规模多目标进化算法

  为解决大规模多目标优化问题（LSMOPs）中现有基于神经网络（NN）的算法因训练数据源单一和网络拓扑固定导致的泛化能力不足和适应性弱的问题，研究人员开展了异构算子机制与随机配置网络（SCN）增强的大规模多目标进化算法（HMSCN-LMOEA）研究。该研究通过异构算子机制提升训练集质量，并利用SCN模型增强算法适应性。实验结果表明，HMSCN-LMOEA在IGD、IGD+、Spacing和HV等指标上均优于现有先进算法，并在云任务调度应用中展现出巨大潜力。

  来源：Journal of Computational Design and Engineering

  时间：2026-01-01

• 基于AI感知哈希与区块链的数字版权安全管理框架研究

  本文提出了一种创新的数字版权管理框架，将AI增强的感知哈希（Perceptual Hashing）、区块链（Blockchain）和数字水印（Digital Watermarking）技术相结合，有效解决了内容保护与验证中的核心挑战。该框架利用预训练卷积神经网络（CNN）生成与图像内容内在关联的鲁棒哈希值，通过QR码形式在频域（DWT）嵌入水印，并利用区块链实现防篡改的时间戳和全链路追溯。实验证明其在常见图像修改下具有高鲁棒性、强区分能力和有效的水印恢复率，为数字版权管理（DRM）提供了透明、安全、高效的解决方案。

  来源：Cryptography

  时间：2026-01-01

• 综述：神经发育性疾病中自我约束的理解：评估与治疗入门

  本文综述了神经发育性疾病（NDCs）中自我约束行为（自我限制运动）的评估与治疗，重点探讨其与自伤行为（SIB）的复杂功能关系、异质性表现（如使用衣物、身体、物体或他人），以及基于功能分析（FA）的干预策略（如非后效强化NCR、差别强化DRA、功能沟通训练FCT、约束消退）。文章强调需采用多成分、功能驱动的个性化治疗方案，并指出未来研究需标准化定义、开发机制导向评估及验证治疗泛化性。

  来源：Behavioral Sciences

  时间：2026-01-01

• 脉冲动态掩码Transformer：通过动态掩码技术提升脉冲神经网络效率

  本文提出SpikingDynamicMaskFormer（SDMFormer）创新框架，通过动态掩码编码块（DMEB）和轻量级位置编码（LPE）技术，将脉冲神经网络（SNN）的参数压缩至Spikformer的37.93–42.69%，能耗降低42.79–50.13%，在DVS128等神经形态数据集上保持或超越基线精度，为低功耗AI部署提供新范式。

  来源：Electronics

  时间：2026-01-01

• 基于深度神经网络与非线性阈值效应的台湾电子产业财务困境预测研究

  本文通过比较Logit、Probit、极值模型与人工神经网络（ANN）在台湾电子产业（2012-2024年）的预测表现，发现ANN模型以98%的准确率显著优于传统方法。研究识别出总资产报酬率（ROAA）低于7.03%和总资产成长率（TAG）低于-9.05%两个关键非线性阈值，为构建高精度早期预警系统提供了数据驱动的决策依据。

  来源：Forecasting

  时间：2026-01-01

• 综述：上气道咳嗽综合征的研究进展

  本综述系统梳理了上气道咳嗽综合征(UACS)的发病机制、临床特征及诊疗策略，指出其作为慢性咳嗽(CC)重要病因的复杂性。文章强调多学科协作结合鼻咽喉内镜检查可提升诊断精准度，并详细阐述了神经反射（TRP通道）、气道炎症与黏液纤毛清除障碍构成的"神经-炎症-黏液"交互机制，为从经验性治疗向精准医学转型提供新视角。

  来源：World Journal of Otorhinolaryngology - Head and Neck Surgery

  时间：2026-01-01

• 利用新型AAV方法构建可逆性肥胖小鼠模型：食欲神经肽的精准调控与体重逆转研究

  本综述系统阐述了利用新型腺相关病毒（AAV）载体通过脑靶向递送食欲神经肽（AgRP/NPY/LEPANTAG）建立可逆性肥胖小鼠模型的前沿策略。文章重点探讨了Cre-LoxP、TETOFF和cumate诱导系统在调控转基因表达中的优劣，揭示了单纯消除致胖刺激不足以引发显著体重下降的重要现象，为肥胖机制研究和抗肥胖药物开发提供了新型可调控动物模型平台。

  来源：Obesity

  时间：2026-01-01

• 阿尔茨海默病风险人群oddball任务中背侧前扣带回皮层激活改变：一项纵向fMRI研究

  本研究针对阿尔茨海默病（AD）高风险人群（aMCI和晚发MDD）的神经机制难题，通过纵向fMRI视觉oddball范式发现：aMCI患者背侧前扣带回皮层（dACC）激活持续降低，且dACC活动与认知功能（MMSE评分）和抑郁症状（GDS评分）显著相关。结果表明dACC激活模式可作为评估AD前驱期认知损害和抑郁症状的潜在神经标记，为早期干预提供新靶点。

  来源：Spanish Journal of Psychiatry and Mental Health

  时间：2026-01-01

• 解析处理速度：首次发病的精神病患者及其未受影响的一级亲属在运动与认知方面的差异

  本研究通过探索性因子分析和验证性因子分析，对比了首次发作精神病（FEP）患者及其父母、兄弟姐妹和对照组在处理速度（PS）测试中的运动和认知子组件差异。结果显示各群体存在共同的双因子结构，但因子间关系存在显著差异，提示不同补偿机制，为PS缺陷的神经遗传机制提供新见解。

  来源：Spanish Journal of Psychiatry and Mental Health

  时间：2026-01-01

• 基于混合人工神经网络与模型预测控制的PWM变速风力发电系统智能电网控制策略研究

  本文提出一种结合混合人工神经网络（ANN）与模型预测控制（MPC）的新型控制策略，用于提升脉宽调制（PWM）变速风力发电系统（WECS）在智能电网中的运行效率。该混合ANN-MPC框架通过实时预测风速变化并优化控制动作，显著改善了电压稳定性与功率输出精度，在MATLAB/Simulink仿真中准确率达92.6%，性能比达95.8%，为高比例风电并网提供了可靠解决方案。

  来源：International Transactions on Electrical Energy Systems

  时间：2026-01-01

• 面向市场的热太阳能电站流量分配方法：一种基于拍卖的人工智能技术

  本文提出了一种结合市场分配系统和人工神经网络（ANN）优化抛物线槽式集热器（PTC）热平衡的新方法。通过拍卖机制分配流量并利用ANN降低计算复杂度，实验表明该方法在模拟和实际50MW PTC plants中均有效提升热功率输出和截获因子，且已在13个商业 plants 中成功部署。

  来源：Renewable Energy

  时间：2026-01-01

• 通过采用具有电力盗窃检测机制的去中心化访问控制系统，优化智能电网环境中的资源分配并提升安全性

  智能电网系统通过模糊增强卡尔曼滤波降噪、量子增强人工神经网络检测窃电及船救援优化算法实现资源动态分配与安全控制，在降低计算成本和噪声干扰的同时达到98%检测精度。

  来源：Renewable Energy Focus

  时间：2026-01-01

知名企业招聘：