⚡ 电气工程
Learning Fast-to-Long Acquisition Mapping for Denoising Micro-CT
本研究表明，监督式深度学习（特别是使用 Restormer 模型）能够有效地将巴西前盐碳酸盐岩的快速（2 分 35 秒）微米级 CT 获取映射为高质量（60 分钟）获取，在显著降低噪声并提高图像质量以超越中间扫描时间的同时，也承认了在恢复原始快速输入中缺失的精细细节方面的局限性。
⚡ Category
eess
2864 篇论文
⚡ 电气工程
3D printed cement-based Li-ion batteries with hydration-reinforced networks
本研究提出了一种用于水泥基锂离子电池的可扩展3D打印策略，该策略利用水化增强网络来实现具有卓越长期电化学稳定性的机械强韧且具有分级孔隙结构的电极，从而有效地将被动建筑材料转化为主动的储能结构组件。
⚡ 电气工程
Interpretable Machine Learning for Enhanced Analysis of Dam Monitoring Data
本研究提出了一种可解释的机器学习工作流，该工作流结合了时间分解、变点检测和分段建模，旨在有效识别并分析大坝监测数据中的非平稳时间变化，从而提升预测精度与结构健康解释能力。
⚡ 电气工程
Context-Aware Stability-Preserving State Transfer for Structurally Reconfigurable Sdr Receivers
本文提出了一种用于结构可重构软件定义无线电（SDR）接收机的上下文感知状态转移框架，该框架通过结合精确状态保持、配置相关偏差的正则化投影、投影能量约束以及面向可靠性的定向驻留时间，实现了同步保持并最小化了误码率。
⚡ 电气工程
Formulating Multibody Models for Moving Horizon Estimation
本文提出了一种针对多体系统的移动水平估计问题表述方法，该方法能够兼容从常微分方程（ODE）到三阶微分代数方程（index-3 DAEs）的各种模型表示形式，并通过对比分析证明，在三阶方程表述中直接处理约束具有更高的计算效率，而二阶方程（index-2）表述则为在位置和速度层面上施加运动学约束提供了一种易于实现的替代方案。
⚡ 电气工程
AegisFlash: Multimodal Disaster Intelligence, Sensor-Silence Anomaly Detection, and Operations Research for Real-Time Flash-Flood Response and Counterfactual Evaluation
AegisFlash 是一个实时多模态灾害情报平台，它通过整合异构数据源、一种新颖的传感器静默异常检测器以及运筹学优化技术，利用可解释且经加密验证的反事实模拟，显著延长山洪预警提前量并最大限度地减少可预防的死亡人数。
⚡ 电气工程
A Matrix Profile Based Time Window Selection Method for Microtremors HVSR measurements
本研究提出了一种基于矩阵剖面（Matrix Profile）的新型时间窗选择方法，该方法能够有效过滤受噪声污染的微震数据，从而显著提高主频估计的准确性以及用于地下结构表征的全频段 HVSR 曲线的稳定性。
⚡ 电气工程
Enterprise Architecture for Maritime Security using the NATO Architecture Framework and the Key Performance Indicators concept
本文提出并验证了一种将关键绩效指标（KPI）集成到北约架构框架（NAF）中的海事安全企业架构，旨在增强目标测量、基准测试、风险缓解以及战略决策能力。
⚡ 电气工程
Corrective Action and Preventive Action of Pyro-cutter Cartridge for Cutting Nylon Cord in Aircraft Applications
本研究采用纠正措施和预防措施（CAPA）方法论，旨在分析并解决用于飞机安全系统的火工切割弹药中的关键失效模式（如表面裂纹和顶针故障），最终目标是增强设计可靠性并防止在未来生产批次中再次发生。
⚡ 电气工程
Low-Complexity Polynomial Regression Framework for Environmental Drift Compensation in MOX Gas Sensing Systems
本研究提出了一种低复杂度的多项式回归框架，该框架能够有效补偿金属氧化物（MOX）气体传感器由温度和湿度引起的漂移，并证明了其在三种商用传感器类型上相比线性模型具有更高的准确性和稳定性。