724 篇论文
这项准实验研究表明，一种由人工智能支持、以学习分析为驱动的系统，通过提供个性化的运动处方和具有可操作性的反馈，显著改善了中学的体育教育成果，且在基准体能水平较低的学生群体中观察到了最显著的益处。
本研究采用多目标元启发式优化算法来确定切削参数，旨在平衡铣削作业中的操作员安全性（最小化心率和感知风险）与生产率（最大化材料去除率），结果表明遗传算法提供了最佳的权衡方案，而进给率是导致操作员压力的主要因素。
本文介绍了一种用于管网的新型可扩展参数估计框架，该框架利用波传播路径策略和概率方法，通过聚焦粗略的压力信号特征来高效估计波速和摩擦因子，从而避免了复杂的非线性方程，并在理论及现实城市给水系统中展示了鲁棒性。
本研究介绍了 Aquivo，这是一个基于 Python 的开源交互式决策支持工具，它利用多目标优化和 TOPSIS 方法来生成基于实证的、平衡经济、环境和社会目标的排序水资源分配策略。
本研究引入了 XAI-AMBR 框架，这是一种结合了 LSTM、SHAP 和强化学习的可解释人工智能系统，能够实现全规模膜生物反应器中实时的多污染物自适应控制，在显著降低能耗的同时实现了卓越的微污染物去除效果。
由于受地缘政治限制寻找 Agisoft Metashape 替代方案的需求所驱动，本研究评估了 3DF Zephyr 在水下摄影测量中的能力，并证实了其能够生成与行业标准相媲美的高质量 3D 模型，从而证明重建质量主要取决于输入数据而非软件限制。
该论文声称通过利用消逝波耦合和可逆电荷回收，实现了一种效率超过92%的零熵无线电能网，但其摘要包含了诸如“反重力人工智能”、“零矿物依赖”以及违反既定热力学定律和物理定律的“零熵”能量传输等在科学上不可能成立的断言。
本文提出并验证了一种利用生物体不可预测运动作为熵源的真随机数生成器，证明了所得序列通过了严格的统计测试，并为密码学应用提供了一种优于传统电子噪声的稳健替代方案。
本研究引入了一种物理信息联邦学习（F-PINN）框架，该框架将群体平衡方程集成到去中心化训练过程中，旨在实现对多个站点药物结晶动力学的高精度、个性化预测，同时保护数据隐私并确保对数据稀缺性和噪声的鲁棒性。
本研究引入了用于二氧化碳封存的分层级联代理模型（HCS-CO2S），这是一种物理驱动的机器学习模型，通过将预测任务分解为五个具有因果顺序的层级以抑制盲预测中的误差累积，从而能够精确预测百年时间尺度内储层流体的全组分状态。