eess 篇论文 | Gist.Science

本文提出了一种基于人工智能的优化框架，该框架将机器学习与先进的优化技术相结合，以确定氢燃料发动机的最佳燃烧参数，从而显著提高制动热效率并降低氮氧化物排放。

本文提出并验证了一种混合控制框架，该框架通过将传统 PID 控制器与基于人工神经网络或深度神经网络的实时参考调制相结合，增强了四旋翼无人机在动态环境中的轨迹跟踪能力，并证明了 PID+DNN 方法在收敛平滑度和控制效率方面优于 PID+ANN。

本研究提出了一种可解释的洪水预测框架，该框架整合了地理信息系统（GIS）、一种混合型 LSTM-XGBoost 深度学习模型以及可解释人工智能技术（SHAP 和 LIME），旨在为气候韧性灾害管理提供准确、透明且面向政策的决策支持。

本研究表明，一种利用离散事件仿真的具有成本效益的基于规则的数字孪生架构能够高精度地稳健预测滚装船服务时间，证明了无需昂贵的高保真传感器基础设施即可实现显著的决策价值。

本研究建立了一个全面的统计基准框架，用于评估用于校准三种非线性土壤本构模型的八种元启发式算法，结果表明算法性能随模型复杂度的变化而显著不同，且由于等效性问题，低目标函数值并不保证能够实现准确的参数恢复。

本研究通过数值模拟调查了中间箍筋配置、箍筋间距以及弯钩锚固角对钢筋混凝土柱侧向承载力和延性的影响，揭示了优化的箍筋设计通过改善约束和抗屈曲性能显著增强了结构性能。

本综述通过分析 105 项等离子体刻蚀虚拟计量研究，提出了一种两阶段框架，旨在解决从高维工艺数据中构建紧凑、鲁棒且具有物理意义的表示形式所面临的挑战，以克服半导体制造中物理计量稀疏且滞后的局限性。

本研究提出了一种利用共形切片技术实现复杂曲面上多角度、取向自适应沉积的五轴原位生物打印系统，从而克服了传统三轴平面打印的局限性，以实现卓越的结构保真度、机械完整性以及针对患者特定组织重建的临床适用性。

本文提出了一种稳健的自动化方法，利用地面激光扫描技术以及一个集成了 RANSAC、PCA 和几何拟合的多算法流水线来评估城市电线杆倾斜度，从而在噪声或遮挡环境下实现比传统视觉检查更高的精度和稳定性。

本文提出了一种针对频率分集阵列（FDA）雷达的低复杂度、仅相位发射波束图优化方法，该方法在最小化敌方拦截位置辐射功率的同时最大化回波信号能量，从而显著增强了系统的低截获概率（LPI）性能。