eess 篇论文 | Gist.Science

本文提出了一种感知数据质量的混合深度学习框架，该框架集成了先进的预处理技术、机器学习集成模型以及超参数优化，旨在显著提高从噪声现场测量数据中预测钻井机械钻进率（ROP）的准确性和鲁棒性。

本文提出了一种通过对同步的NDP数据包进行相干处理来实现精确的多目标距离检测的Wi-Fi感知系统，同时通过提出随机化训练信号和削弱视距分量的方法来解决隐私问题。

本研究提出了一种将土壤孔隙大小分布与水流动力学联系起来的新颖方法，证明了初级固结发生在大孔隙中，而次级固结源于微孔流，从而实现了无需长期试验即可预测总沉降。

本文提出了一种基于改进矩拟合法（moment-fitting approach）的高效体素求积方案，该方案通过计算定制积分规则将体素信息直接吸收进权重中，从而实现局部细化有限元空间下的精确刚度矩阵积分，并在将材料分辨率与基函数解耦的同时，性能优于传统的预积分法和复合高斯-勒让德法。

本文提出了一种紧凑型宽带（4–9 GHz）单层微带 180° 混合耦合器，该耦合器利用一种结合了基于 Wilkinson 的五端口功率分配器与相移网络的新型拓扑结构，以实现优异的宽带性能、高隔离度以及低幅度与相位不平衡。

本研究表明，高斯过程回归是优化使用高炉矿渣（GGBFS）和石灰石粉（LSP）的可持续三元混凝土混合物机械性能的优越预测模型，并确定了 30% GGBFS 和 15% LSP 的混合比例是平衡强度性能并降低碳排放的最佳组合。

本研究提出了一种物理集成机器学习框架，通过训练模型来修正实验结果与现有设计规范之间的差异，成功预测了单排螺栓钢-木连接在马来西亚热带硬木（巴劳木和比蒂斯木）中的横向承载力，从而为将木结构设计标准扩展至热带树种提供了一条可靠途径。

本研究表明，在碱激发矿渣混凝土中，用底渣替代高达40%的天然细骨料，在0.45的激发剂与胶凝材料比下，能够获得一种具有最佳和易性与抗压强度的可持续材料，同时保持结构完整性以及卓越的抗酸和抗硫酸盐侵蚀能力。

本文证明了提升后的倒谱描述符（通过在对数谱中移除低时滞加性扰动以减轻 FIR 卷积失真）在保持高准确度的同时，在轴承故障分类的鲁棒性方面显著优于标准谱剖面，这一发现已通过在 CWRU 和 DroneRF 数据集上的受控实验得到了验证。

本研究提出并验证了一种基于 ESP32 的低成本嵌入式系统，该系统利用一种新颖的数学模型，能够根据室内空气质量参数实时预测认知表现和职业压力水平，展示了其在预防性职业健康管理方面的高准确性和实用价值。