eess 篇论文 | Gist.Science

本文提出了 OptimTwin，这是一个由人工智能驱动的数字孪生框架，它通过整合预测性资产管理与生命周期成本分析，旨在优化高可再生能源渗透率系统下的长期电网投资规划。

本研究提出了一种可解释且具备不确定性感知能力的机器学习框架，该框架通过对预测超高性能混凝土（UHPC）抗压强度的七种模型进行评估，通过严格的准确性和置信区间分析确定了集成方法具有优越性，并提供了一个用于优化配合比设计的实用图形用户界面（GUI）工具。

本研究提出了一种风险告知框架，该框架将基于情景的风险评估与多准则决策相结合，以增强军事物流系统应对复杂混合威胁的韧性，并证明实时监测和系统冗余是最有效的缓解策略。

本研究提出了一种结合了 FDTD 模拟合成微波数据与量子增强融合分类器集成（QPFC-E）的混合框架，旨在通过显著提升非侵入式肿瘤定位的准确率与召回率，从而超越传统的机器学习方法。

本研究利用微震 H/V 谱比分析法评估了乌兹别克斯坦土石坝及钢筋混凝土坝中与变形相关的弹性参数，证明了这些无损检测方法能有效识别受结构类型、静水载荷及材料非均匀性影响的应力-变形区，从而为地震活跃地区的监测提供改进方案。

本文提出了一种用于联合备用调度与数据采集的分布鲁棒框架，该框架推导出了闭式最优分配律，并证明了预测数据的边际价值是一个依赖于网络的量，其由区域不确定性通过功率转移分布因子在电网中的传播方式所决定。

本研究通过开发并优化一种利用特定参数和化学-机械协同机制来实现超光滑表面修复的化学机械研磨工艺，旨在解决因加工过程中表面缺陷导致的薄壁石英坩埚高报废率问题，从而将粗糙度降低至 29.204 nm。

本文提出了一种概念性的AI辅助线性电磁惯性系统（LEIS），该系统利用存储的电磁能和动能，在网络扰动期间为工业微网提供快速、动态的功率连续性，为传统的电池或柴油备用系统提供了一种更优的替代方案。

本研究表明，一种结合了三维术中超声、光学导航和 B-样条形变场预测的低成本、近实时流水线，能够准确生成虚拟 MRI 图像以补偿胶质瘤手术期间的脑移位，并在体外和离体模型中均实现了临床可接受的配准误差。

本文建立了一个考虑自重的垂直悬臂梁横向非线性振动模型，并证明了非线性能量阱能显著降低强迫振动，数值结果显示自重对系统的固有频率和模态形状的影响有限。