2621 篇论文
本研究引入了一种将形态学单元（Morphological Cells）与无监督图注意力网络（Graph Attention Network）相结合的新型框架，用于分析也门马里卜近5万座建筑，揭示了流离失所背景下的非正规城市扩张并非遵循混沌的蔓延，而是遵循由部落所有权和人道主义约束所驱动的结构化空间逻辑，从而为冲突影响城市中的适应性治理提供了一种无需地籍数据的诊断工具。
本文提出了一种新型 MEMS 换能器架构，通过在单个谐振器内横向集成用于驱动的高性能 PZT 和用于传感的低损耗 AlN，克服了固有的材料权衡，从而实现了电输出电压十倍的提升，并在宽频率范围内显著提高了品质因数。
本研究表明，与传统的静态网格方法相比，使用动态网格来模拟真实车辆运动能显著提高近场尾气排放扩散建模的准确性，尤其是在静态模型无法捕捉关键气流动力学并高估烟羽长度的高速行驶情况下。
本研究提出了一种利用低温预冷技术预测 Inconel 718 表面粗糙度的实验-统计-可解释机器学习框架，证明了 XGBoost 模型通过实现更高的准确度（R² = 0.9922）并提供关于主轴转速和进给率主导影响的可解释性见解，其表现优于传统的响应面法。
本研究引入了一种数据驱动的编码器-解码器框架，该框架通过学习模拟输运过程中的统计依赖关系，能够从稀疏的传感器数据中成功重建饱和多孔介质中具有高梯度的完整污染物浓度场，在捕捉突发性的、通道化的地下迁移模式方面显著优于克里金插值等经典插值方法。
本研究调查了人工神经网络（ANN）和物理信息神经网络（PINN）在求解具有各种热效应和化学效应的绕多孔圆柱微极卡森流体流动的非线性数学模型方面的性能，证明了这些机器学习方法能够产生与传统的 BVP4c 数值方法相当的准确、稳定且收敛的结果。
本文提出了一种轻量级的物理启发式多模态学习框架，该框架通过融合路面图像与底盘传感器数据，以准确预测每轮轮胎力并优化电动汽车的抓地力利用率，在显著降低估计误差和摩擦违规率的同时，确保了实时部署的可行性。
本文提出了一种新型的分层分布式模型预测控制框架，该框架将分布式广义预测控制方案与非合作动态博弈自适应机制相结合，以动态选择耦合子系统的最优控制策略，从而在四水箱基准系统上的验证中，展示了其在不同运行工况下增强性能、鲁棒性和适应性的能力。
本文介绍了一个包含 4,878 项土壤压实试验的大型、开放、多源语料库，并证明了预训练表格模型可以根据指标特性准确预测最大干密度和最佳含水率，从而为岩土工程机器学习研究建立了一个新的基准。
本研究表明，利用弯竹（*Bambusa nutans* subsp. *cupulata*）和聚乙烯醇（PVA）粘合剂进行的低技术、手工制造方法，可以生产出机械性能与传统木材相当的工程竹梁，为中小企业提供了一种可扩展的解决方案，并为尼泊尔新的竹材设计手册提供了必要的数据。