2814 Arbeiten
Diese Studie zeigt auf, dass die Hinzufügung von Akzelerometrie zu tragbarer Photoplethysmographie die aufgabenbedingte Wiederherstellbarkeit und die Klassifizierungsleistung signifikant verbessert, was beweist, dass die physische Sensoraugmentation sowohl die verfügbare Information als auch die Beobachtergenauigkeit für spezifische Inferenzaufgaben steigern kann.
Diese Arbeit präsentiert ein fertigungsbeschränktes Tandem-Inverse-Design-Framework für photonische Kristallfaser-SPR-Sensoren, das differenzierbare Regularisierung und Multi-Metrik-Pareto-Screening nutzt, um die geometrische Durchführbarkeit, die Detektion außerhalb der Verteilung und die Zielgenauigkeit explizit auszubalancieren und gleichzeitig die Nicht-Eindeutigkeit inverser Lösungen zu adressieren.
Dieses Paper schlägt \tsrb{} vor, ein reproduzierbares Auditierungs-Framework, das einen sechs-komponentigen Data Credibility Score nutzt, um effektiv Vorhersagen von Grid Foundation Models zu identifizieren und an physikbasierte Solver-Verifizierungen unter Topologie- und Betriebsbelastung zu übergeben, wodurch die Inferenzgeschwindigkeit mit der Betriebszuverlässigkeit in Einklang gebracht wird, ohne die Ergebnisse des DC-Screenings mit AC-Machbarkeitsansprüchen zu vermengen.
Diese Studie schlägt eine Methode der Rückschlussanalyse vor, die die räumliche Kopplung zwischen architektonischem Erbe und der Zentralität des Straßennetzes nutzt, um die Evolution des Straßennetzes von Ming-Qing Ganzhou zu rekonstruieren und einen Übergang von einem dispersen Multi-Kern-Muster zu einer Ein-Kern-Zwei-Zonen-Struktur aufzuzeigen.
Diese Studie zeigt, dass ein auf hochauflösenden Röntgen-Computertomographie-Daten trainiertes Modell des maschinellen Lernens die lokale Schnittleistung beim Sägen von Fichte durch Kreissägearbeiten genau vorhersagen kann, indem es den Einfluss spezifischer anatomischer Merkmale wie Faserorientierung, Dichte und Äste erfasst und dadurch herkömmliche Modelle, die auf globalen Materialeigenschaften basieren, übertrifft.
Dieses Paper stellt RiskGrid vor, ein neuartiges datengesteuertes Framework, das proaktive Sicherheitsanalysen in die Verkehrsplanung integriert, indem es kontinuierliche räumliche Risikokarten erstellt und dabei eine überlegene Recheneffizienz sowie Vorhersagegenauigkeit bei der Identifizierung von Unfall-Hotspots im Vergleich zu traditionellen Methoden wie SSAM3 demonstriert.
Dieses Papier präsentiert ein Fusionsframework innerhalb des PHOEBE-Projekts, das langfristige Smartphone-Telematik mit kurzfristiger, auf YOLOv8 basierender Videoanalytik an drei Athener Kreuzungen integriert und aufzeigt, dass beide Datenquellen zwar konsistente richtungsbezogene Geschwindigkeitsmuster erfassen, die videobasierten Metriken jedoch lokalisierte Verzögerungen und hohe Mikro-Konfliktrisiken offenlegen, die durch Durchschnittsgeschwindigkeiten allein nicht vorhersehbar sind, wodurch der Wert der Kombination von flächendeckenden und feingliedrigen Daten für ein proaktives urbanes Straßenverkehrsmanagement demonstriert wird.
Diese Studie zeigt, dass Ereignisse des starken Bremsens und Beschleunigens, die aus Daten vernetzter Fahrzeuge abgeleitet wurden, spezifisch unter Verwendung eines Schwellenwerts von 0,25g, als effektive Sicherheitsindikatoren zur Vorhersage von Unfallraten auf Netzebene auf Nicht-Interstate-Highways dienen und eine schnellere Alternative zur traditionellen mehrjährigen Unfalldatenanalyse bieten.
Dieses Paper schlägt ein hybrides CEEMDAN-LightGBM-Transformer-Modell vor, das Windkraftdaten zerlegt, nichtlineare und lineare Merkmale extrahiert sowie rankt und diese über eine Transformer-Architektur fusioniert, um eine hochgenaue Prognose mit signifikant reduzierten Fehlermetriken im Vergleich zu bestehenden Methoden zu erreichen.
Diese Studie entwickelt ein auf CNN-LSTM und BiLSTM basierendes Deep-Learning-Framework unter Verwendung von ERA5-Daten, um die signifikante Wellenhöhe in der Sundastraße vorherzusagen, und führt einen neuartigen Hafenanlauf-Risikoindex (Harbour Entry Risk Index, HERI) ein, der herkömmliche Wellenhöhenschwellenwerte bei der Erkennung von Anlegerisiken deutlich übertrifft und somit effektive 6–12-Stunden-Frühwarnungen für den Merak-Bakauheni-Fährbetrieb ermöglicht.