eess 篇论文 | Gist.Science

本研究表明，目前用于美式橄榄球头盔测试的单变量运动学指标对脑组织应变的预测能力较差，这表明纳入多个运动学变量及其方向分量将能提供更具生物学意义的脑震荡损伤风险评估。

本文提出了 RSGA-SEI，一种可靠性引导的频谱生成增强框架，该框架通过基于特征一致性来合成和加权辅助样本，以实现动态移动网络中稳健的小样本特定发射机识别，并以紧凑的推理路径实现了 87.14% 的准确率。

本研究提出了一种从预测到部署的框架，该框架将经过验证的 LSTM 可再生能源预测与系统顾问模型（SAM）模拟相结合，以评估达卡屋顶光伏、风能及混合系统在技术经济可行性与城市规模方面的潜力，并证明了与纯太阳能解决方案相比，混合配置显著增强了夜间能源可用性并降低了成本。

本研究表明，一种自主研发的丙烯酸酯共聚乳液通过颗粒封装和孔隙填充作用，有效提高了盐渍土的无约束抗压强度，同时一种改进的小波神经网络模型成功克服了传统方法的局限性，能够基于养护剂量、龄期、含盐量和含水率对该强度进行准确预测。

本研究采用数值模拟方法研究了氢气微混合扩散燃烧室的点火过程，揭示了混合物不均匀性、点火时机不当以及非对称喷射会加剧超压风险，而通过在对称条件下减少喷射孔数量，可以提供一种减轻此类安全隐患的最佳点火方案。

本文提出了一种半自动、多波段的三维摄影测量工作流，该工作流将可见光、紫外光和近红外数据与主成分分析（PCA）及 K-means 聚类算法相结合，旨在精确检测并量化复杂文化遗产表面的材质变化，从而填补高分辨率记录与长期保护监测之间的空白。

本研究表明，在增材制造波导管的磨粒流抛光过程中，将磨料粘度调节至 2000–2500 Pa·s 范围内，通过减少边缘去除并提高加工均匀性，能有效平衡凸起表面平滑度与边缘轮廓保持度，同时保持 70% 以上的表面粗糙度降低率。

本文介绍了一种便携式全自动系统，该系统利用远心机器视觉和电机控制技术，实现了玻璃体腔注射剂量制备的微米级精度，与易出错的人工方法相比，显著提高了准确性和重复性。

本文提出了一种基于 ESP32 微控制器的低成本、高能效边缘入侵检测系统，用于识别并警示无线网络中的未经授权设备，为小型环境提供了一种替代传统高资源消耗安全解决方案的可行方案。

本研究采用可解释人工智能框架来证明，肯尼亚预付费领域的住宅用电需求主要受历史消耗模式而非天气或电价驱动，从而揭示了简单的自回归模型在准确预测方面与复杂的机器学习方法表现相当。