3009 papers
Dit artikel presenteert een datakwaliteitsbewust hybride deep learning-framework dat geavanceerde preprocesseringstechnieken, een ensemble van machine learning-modellen en hyperparameteroptimalisatie integreert om de nauwkeurigheid en robuustheid van de voorspelling van de penetratiesnelheid (ROP) bij het boren uit ruisgevoelige veldmetingen aanzienlijk te verbeteren.
Dit artikel presenteert een Wi-Fi-sensingsysteem dat nauwkeurige multi-target afstandsdetectie bereikt door coherente verwerking van gesynchroniseerde NDP-pakketten, terwijl privacyzorgen worden geadresseerd door methoden voor te stellen om trainingssignalen te randomiseren en line-of-sight-componenten te verzwakken.
Dit onderzoek stelt een nieuwe benadering voor die de poriegrootteverdeling van de bodem koppelt aan waterstroomdynamiek, waarbij wordt aangetoond dat primaire consolidatie plaatsvindt in macroporiën terwijl secundaire consolidatie voortkomt uit microporieverloop, waardoor het mogelijk wordt om de totale zetting te voorspellen zonder dat langdurige tests vereist zijn.
Dit artikel presenteert een efficiënt voxel-kwadratuur-schema gebaseerd op een aangepaste moment-fitting-benadering die aangepaste integratieregels berekent om voxel-informatie direct in de gewichten te absorberen, waardoor exacte stijfheidsmatrix-integratie voor lokaal verfijnde eindige-elementenruimten mogelijk wordt en de materiaalresolutie ontkoppelt van de basis, terwijl het traditionele pre-integratie- en samengestelde Gauss-Legendre-methoden overtreft.
Dit artikel presenteert twee compacte, breedbandige (4–9 GHz) single-layer microstrip 180° hybride koppelers die gebruikmaken van een nieuwe topologie die Wilkinson-gebaseerde en vijfpoorts vermogensverdelers combineert met faseverschuivende netwerken om uitstekende breedbandprestaties, hoge isolatie en lage amplitude- en fase-onbalansen te bereiken.
Deze studie toont aan dat Gaussian Process Regression een superieur voorspellend model is voor het optimaliseren van de mechanische prestaties van duurzame ternaire betonmengsels met gebruik van hoogovenslak en kalksteenpoeder, waarbij een mengsel van 30% GGBFS en 15% LSP wordt geïdentificeerd als de optimale balans van sterkte-eigenschappen terwijl de CO2-emissies worden verminderd.
Deze studie presenteert een natuurkundig geïntegreerd machine learning-framework dat de laterale belastbaarheid van enkelrijige boutverbindingen van staal-op-hout in Maleisische tropische hardhoutsoorten (Balau en Bitis) succesvol voorspelt door modellen te trainen om discrepanties tussen experimentele resultaten en bestaande ontwerpvoorschriften te corrigeren, waardoor een betrouwbaar pad wordt geboden voor het uitbreiden van houtontwerpparameters naar tropische soorten.
Deze studie toont aan dat het vervangen van tot 40% van het natuurlijke fijne aggregaat door bodemas in alkali-geactiveerd slakbeton een duurzaam materiaal oplevert met optimale verwerkbaarheid en druksterkte bij een activator-binderverhouding van 0,45, terwijl de structurele integriteit en uitzonderlijke weerstand tegen zuur- en sulfaataanvallen behouden blijven.
Dit artikel toont aan dat liftered cepstrale descriptoren, die laag-quefrency additieve perturbaties in het log-spectrum verwijderen om FIR convolutionele distorties te mitigeren, de standaard spectrale profielen aanzienlijk overtreffen in robuustheid voor lagerfoutclassificatie terwijl ze een schone nauwkeurigheid behouden, een bevinding die gevalideerd is door gecontroleerde experimenten op de CWRU- en DroneRF-datasets.
Deze studie presenteert en valideert een kosteneffectief, op ESP32 gebaseerd embedded systeem dat een nieuw wiskundig model gebruikt om cognitieve prestaties en werkgerelateerde stressniveaus in realtime te voorspellen op basis van parameters voor binnenluchtkwaliteit, waarmee een hoge nauwkeurigheid en praktische bruikbaarheid voor preventief beroepsgezondheidsbeheer wordt aangetoond.