查看“WikiEdge:ArXiv速递/2025-04-24”的源代码
←
WikiEdge:ArXiv速递/2025-04-24
跳转到导航
跳转到搜索
因为以下原因，您没有权限编辑该页面：
您请求的操作仅限属于该用户组的用户执行：
用户
您可以查看和复制此页面的源代码。
== 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上肢]]与[[下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服提出一种[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Federated Learning: A Survey on Privacy-Preserving Collaborative Intelligence * '''中文标题'''：联邦学习：隐私保护协同智能综述 * '''发布日期'''：2025-04-24 16:10:29+00:00 * '''作者'''：Edward Collins, Michel Wang * '''分类'''：cs.LG, cs.AI *'''原文链接'''：http://arxiv.org/abs/2504.17703v1 '''中文摘要'''：[[联邦学习]]（FL）已成为[[分布式机器学习]]领域的变革性范式，它允许多个[[客户端]]（如[[移动设备]]、[[边缘节点]]或[[组织]]）在不集中敏感数据的情况下协作训练共享[[全局模型]]。这种[[去中心化]]方法解决了[[数据隐私]]、[[安全性]]和[[监管合规性]]方面日益增长的担忧，使其在[[医疗保健]]、[[金融]]和[[智能物联网系统]]等领域特别具有吸引力。本综述对联邦学习进行了简明而全面的概述，从其核心[[架构]]和[[通信协议]]开始。我们讨论了标准FL[[生命周期]]，包括[[本地训练]]、[[模型聚合]]和[[全局更新]]。特别强调了关键的技术挑战，如处理[[非独立同分布]]（non-IID）数据、缓解[[系统异构性]]和[[硬件异构性]]、减少[[通信开销]]，以及通过[[差分隐私]]和[[安全聚合]]等机制确保[[隐私]]。此外，我们探讨了FL研究的新兴趋势，包括[[个性化联邦学习]]、[[跨设备联邦学习]]与[[跨孤岛联邦学习]]设置，以及与其他范式（如[[强化学习]]和[[量子计算]]）的集成。我们还重点介绍了实际应用，并总结了FL研究中常用的[[基准数据集]]和[[评估指标]]。最后，我们概述了开放的研究问题和未来方向，以指导[[可扩展性|可扩展]]、[[高效性|高效]]和[[可信赖系统|可信赖]]的FL系统的开发。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Reconstructions of electron-temperature profiles from EUROfusion Pedestal Database using turbulence models and machine learning * '''中文标题'''：基于湍流模型和机器学习的EUROfusion基座数据库电子温度剖面重建 * '''发布日期'''：2025-04-24 12:25:10+00:00 * '''作者'''：L. -P. Turica, A. R. Field, L. Frassinetti, A. A. Schekochihin, JET Contributors, the EUROfusion Tokamak Exploitation Team * '''分类'''：physics.plasm-ph *'''原文链接'''：http://arxiv.org/abs/2504.17486v1 '''中文摘要'''：本研究利用[[EUROfusion]]基座数据库中的[[等离子体]]剖面数据，重点关注[[H-mode]] [[ELMy]] [[JET]] [[ITER-Like-Wall]]（[[ILW]]）放电边缘区域的[[电子温度]]和[[电子密度]]剖面。我们以放电的[[密度剖面]]和[[工程参数]]作为输入，对[[电子温度基座]]进行系统性预测。 首先提出一种[[机器学习算法]]：在输入参数多于[[理论建模]]且使用数据库80%数据作为[[训练集]]时，能重构剩余20%[[温度剖面]]（误差控制在实验值的20%以内），包括对[[基座宽度]]和[[位置]]的精确估计。预测中最重要的工程参数是[[磁场强度]]、[[粒子加料速率]]、[[等离子体电流]]和[[靶板位形]]，这证实了利用大型数据库实现精确基座预测的潜力。 其次采用[[理论方法]]，假设[[密度梯度]]（[[R/L_ne]]）与[[温度梯度]]（[[R/L_Te]]）存在局域[[幂律关系]]：[[R/L_Te]]=A([[R/L_ne]])^α（α≈0.4）在[[陡梯度区]]拟合良好。当对各基座独立拟合A和α时，会出现适用于[[JET-C]]数据的[[线性关联]]。当α=1时，A≡[[η_e]]（[[平板ETG理论]]中[[湍流]]的已知控制参数），实测陡梯度区的[[η_e]]值远超[[平板ETG稳定性阈值]]，暗示存在[[非线性阈值偏移]]或[[超临界湍流态]]。 最后测试了基于[[回旋动理学模拟]]的[[热通量标度律]]，并提供重构[[JET-ILW]]基座的最佳拟合参数。这些模型需要额外[[实验输入]]才能达到[[机器学习]]重构的精度。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速[[设计流程]]。目标设施为[[紧凑型中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[快门]]用于降低[[维护]]期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测[[屏蔽]]下游[[中子通量]]。该模型随后应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选出预测[[通量]]最低的20种设计后，通过[[MCNP]]模拟进行二次验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的[[衰减]]。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：DTECM: Digital Twin Enabled Channel Measurement and Modeling in Terahertz Urban Macrocell * '''中文标题'''：DTECM：太赫兹城市宏蜂窝中数字孪生赋能的信道测量与建模 * '''发布日期'''：2025-04-24 15:40:57+00:00 * '''作者'''：Yuanbo Li, Ziming Yu, Chong Han * '''分类'''：cs.IT, math.IT *'''原文链接'''：http://arxiv.org/abs/2504.17673v1 '''中文摘要'''：摘要：本研究针对[[太赫兹]]城市宏蜂窝([[THz]] [[UMa]])场景，通过结合[[射线追踪]]、[[计算机视觉]]([[CV]])和[[统计方法]]开展了大规模[[信道测量]]并建立了精确[[信道模型]]。具体而言，在220[[GHz]]频段实施了传输距离达410米的实测，并实现[[纳秒]]级绝对[[时间同步]]。基于测量结果详细分析了[[传播现象]]，对[[信道特性]]进行量化计算与[[统计建模]]。进一步提出[[数字孪生]]使能信道模型([[DTECM]])，采用混合方式生成[[太赫兹信道响应]]：主径通过[[射线追踪]]与[[CV]]技术确定性生成，除[[射线追踪]]确定的[[路径增益]]外，基于[[全景图像]]提取的[[植被信息]]精确建模附加[[叶簇损耗]]；为保持[[DTECM]]的低[[计算复杂度]]，非主径采用统计方式生成。数值结果表明，相较传统[[统计信道模型]]，[[DTECM]]将[[路径损耗]]建模误差从14[[dB]]降至4[[dB]]，展现出显著优势。此外，基于[[DTECM]]的初步[[链路性能]]评估表明，[[太赫兹]][[UMa]]具有可行性，但需高[[天线增益]]与[[覆盖扩展技术]]以实现高频[[谱效率]]与广覆盖。 == 摘要 == * '''原文标题'''：Characterisation of Hamamatsu R11065-20 PMTs for use in the SABRE South NaI(Tl) Crystal Detectors * '''中文标题'''：用于SABRE South碘化钠(铊)晶体探测器的滨松R11065-20型光电倍增管特性研究 * '''发布日期'''：2025-04-24 02:50:26+00:00 * '''作者'''：O. Stanley, W. J. D. Melbourne, P. Urquijo, E. Barberio, V. U. Bashu, L. J. Bignell, I. Bolognino, G. Brooks, S. S. Chhun, F. Dastgiri, M. B. Froehlich, T. Fruth, G. Fu, G. C. Hill, R. S. James, K. Janssens, S. Kapoor, G. J. Lane, K. T. Leaver, P. McGee, P. C. McNamara, J. McKenzie, L. J. McKie, M. Mews, L. J. Milligan, K. J. Rule, F. Scutti, Z. Slavkovská, A. E. Stuchbery, B. Suerfu, A. G. Williams, Y. Xing, Y. Y. Zhong * '''分类'''：physics.ins-det, hep-ex *'''原文链接'''：http://arxiv.org/abs/2504.17209v1 '''中文摘要'''：[[SABRE实验]]是一项直接探测[[暗物质]]的实验，使用由多个[[NaI(Tl)晶体]]组成的目标。该实验旨在通过在北部（[[格兰萨索国家实验室]]，LNGS）和南部（[[斯托威尔地下物理实验室]]，SUPL）半球部署探测器，对[[DAMA/LIBRA]]结果进行独立验证。[[SABRE South]]光电倍增管（[[PMTs]]）将在接近低能量噪声阈值的条件下使用，因此在安装前需要对其性能及其在[[NaI(Tl)]]暗物质搜索中对背景的贡献进行详细校准。我们介绍了[[R11065-20]]滨松PMTs的预校准程序开发。这些PMTs直接耦合在[[SABRE South]]实验的[[NaI(Tl)晶体]]上。本文中我们提出了表征PMTs增益、暗计数率和时间特性的方法，并开发了一种无需光注入源的原位校准方法。此外，我们探索了[[机器学习]]技术的应用，通过基于单个PMTs响应的[[提升决策树]]（[[BDT]]）训练，来理解可用于背景排除的信息。最后，我们简要介绍了用于从光学[[蒙特卡洛模拟]]生成数字化PMT数据的仿真工具。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——用于线驱动可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]近年来作为[[刚性外骨骼]]的替代方案被开发出来，并越来越多地应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出许多[[线驱动]]式外骨骼服装，但关于其[[机电设计]]和[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]。详细介绍了评估TDU功能性的[[基准测试]]方法：[[静态扭矩]]输出测试比较[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]和[[相位偏移]]；[[噪音测试]]评估穿戴者在不同[[转速]]下的[[听觉感受]]；[[热应力测试]]记录TDU的[[冷却性能]]以确保[[高负载]]下的[[安全运行]]；[[电池续航]]测试评估不同[[负载条件]]下的[[运行时间]]以确定[[可用时长]]。为演示这些测试，本文推出了一种[[模块化]]线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据[[目标应用]]需求进行适配。通过分享详细的[[方法论]]和[[性能结果]]，本研究旨在提供可被他人借鉴的TDU设计方案，并为[[研究人员]]和[[工程师]]提供[[资源]]以更好地记录其TDU设计的性能表现。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后融入[[直接搜索方法]]，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[有效性]]。 == 摘要 == * '''原文标题'''：Early Detection of Multidrug Resistance Using Multivariate Time Series Analysis and Interpretable Patient-Similarity Representations * '''中文标题'''：基于多元时间序列分析和可解释患者相似性表征的多重耐药性早期检测 * '''发布日期'''：2025-04-24 16:19:13+00:00 * '''作者'''：Óscar Escudero-Arnanz, Antonio G. Marques, Inmaculada Mora-Jiménez, Joaquín Álvarez-Rodríguez, Cristina Soguero-Ruiz * '''分类'''：cs.LG, cs.AI *'''原文链接'''：http://arxiv.org/abs/2504.17717v1 '''中文摘要'''：背景与目的：[[多重耐药性]]（[[MDR]]）是影响全球健康的重大难题，会导致[[住院时间]]延长、[[医疗成本]]增加及[[死亡率]]上升。本研究提出一种可解释的[[机器学习]]（[[ML]]）框架用于[[MDR预测]]，旨在实现[[精准推断]]与增强[[可解释性]]双重目标。 方法：将[[患者]]建模为[[多元时间序列]]（[[MTS]]），捕捉[[临床进展]]和[[患者间交互]]。采用基于[[MTS]]的方法量化[[患者相似性]]：[[描述性统计]]、[[动态时间规整]]和[[时间聚类核函数]]。这些[[相似性度量]]作为[[逻辑回归]]、[[随机森林]]和[[支持向量机]]的[[分类输入]]，通过[[降维]]和[[核变换]]提升[[模型性能]]。为增强[[可解释性]]，基于这些指标构建[[患者相似性网络]]，应用[[谱聚类]]和[[t-SNE]]识别[[MDR相关亚组]]并可视化[[高风险集群]]，从而揭示[[临床相关模式]]。 结果：该框架在[[富恩拉夫拉达大学医院]][[ICU]][[电子健康记录]]上验证，取得81%的[[AUC值]]。通过基于[[图分析]]的[[患者相似性分析]]，其性能超越[[基线ML]]和[[深度学习模型]]。该方法识别出关键[[风险因素]]——[[长期抗生素使用]]、[[侵入性操作]]、[[合并感染]]及[[ICU滞留延长]]，并发现具有[[临床意义]]的[[集群]]。代码与结果见\https://github.com/oscarescuderoarnanz/DM4MTS。 结论：结合基于[[图分析]]的[[患者相似性表征]]能提供准确的[[MDR预测]]和可解释的[[洞见]]。该方法支持[[早期检测]]、[[风险因素识别]]和[[患者分层]]，彰显了[[可解释ML]]在[[重症监护]]领域的潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Reconstructions of electron-temperature profiles from EUROfusion Pedestal Database using turbulence models and machine learning * '''中文标题'''：基于湍流模型和机器学习对EUROfusion基座数据库中电子温度剖面的重建 * '''发布日期'''：2025-04-24 12:25:10+00:00 * '''作者'''：L. -P. Turica, A. R. Field, L. Frassinetti, A. A. Schekochihin, JET Contributors, the EUROfusion Tokamak Exploitation Team * '''分类'''：physics.plasm-ph *'''原文链接'''：http://arxiv.org/abs/2504.17486v1 '''中文摘要'''：本研究利用[[EUROfusion]]基座数据库中的[[等离子体]]剖面数据，重点分析[[H-mode]] [[ELMy]] [[JET]] [[ITER-Like-Wall]] ([[ILW]])放电边缘区域的[[电子温度]]和[[电子密度]]剖面。我们以放电的[[密度剖面]]和[[工程参数]]作为输入，对[[电子温度基座]]进行系统性预测。 首先提出一种[[机器学习]]算法：在输入参数多于[[理论建模]]、且使用数据库80%数据作为[[训练集]]时，能重构剩余20%[[温度剖面]]（误差控制在实验值的20%以内），包括对[[基座宽度]]和[[位置]]的精确估计。预测中最重要的工程参数是[[磁场强度]]、[[粒子加料速率]]、[[等离子体电流]]和[[靶板位形]]配置，这证实了利用大型数据库实现精确基座预测的潜力。 其次采用[[理论方法]]，假设[[密度梯度]]($R/L_{n_e}$)与[[温度梯度]]($R/L_{T_e}$)存在局域[[幂律关系]]：$R/L_{T_e}=A(R/L_{n_e})^\alpha$（$\alpha\approx0.4$在陡梯度区拟合良好）。当$A$和$\alpha$对各基座独立拟合时，会出现适用于[[JET-C]]数据的[[线性关联]]。当$\alpha=1$时，$A \equiv \eta_e$（平板[[ETG理论]]中[[湍流]]的已知控制参数），实测$\eta_e$值远超平板ETG[[稳定性阈值]]，暗示存在[[非线性阈值偏移]]或[[超临界湍流态]]。 最后测试了[[回旋动理学模拟]]启发的[[热通量]]标度律，并提供重构[[JET-ILW]]基座的最佳拟合参数。这些模型需要额外实验输入才能达到机器学习重构的精度。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动[[可穿戴]]外骨骼服装的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的设计与性能分析方案。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]安全运行；[[电池续航]]测试评估不同负载条件下的[[持续运行时间]]。为验证测试方案，研究还推出[[模块化]]线驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活配置。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]建立更完善的[[TDU]]设计能力[[文档体系]]提供参考。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]][[质子束]]轰击[[中子产生靶]]所生成，系统包含[[热中子]]和[[快中子]][[束线]]。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的[[模型]]随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选出预测[[通量]]最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的[[衰减]]。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]][[系统设计]]中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍函数法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后融入[[直接搜索]]框架，实现了对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛于[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图语义]][[结构]]相结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network * '''中文标题'''：FlexPINN：基于柔性物理信息神经网络的3D微混合器流体动力学与传质建模 * '''发布日期'''：2025-04-24 19:17:21+00:00 * '''作者'''：Meraj Hassanzadeh, Ehsan Ghaderi, Mohamad Ali Bijarchi * '''分类'''：physics.flu-dyn, physics.comp-ph *'''原文链接'''：http://arxiv.org/abs/2504.17896v1 '''中文摘要'''：本研究采用改进型物理信息神经网络([[FlexPINN]])研究了具有不同[[翅片]]形状和排布的3D [[T型微混合器]]内部[[流体流动]]与[[浓度分布]]。该网络在标准[[PINN]]架构基础上进行了多项改进：考虑[[矩形]]、[[椭圆形]]和[[三角形]]三种[[翅片几何形状]]的影响，并在[[三维通道]]中设置四种不同[[翅片排布]]方式以考察[[位置效应]]。模拟在[[雷诺数]]5/20/40/80条件下进行，包含[[单单元]](四翅片)和[[双单元]](八翅片)两种配置，旨在通过[[FlexPINN]]方法评估[[压降系数]]、[[混合指数]]和[[混合效率]]。针对标准[[PINN]]在[[三维问题]]模拟中的局限性，本研究引入多项改进：将[[控制方程]]以一阶[[无量纲导数]]形式嵌入网络提升精度，采用[[迁移学习]]降低计算成本，并应用[[自适应损失加权]]以改善[[收敛性]]。这些改进形成了可适用于多种[[测试场景]]的灵活架构。与[[计算流体力学]]([[CFD]])结果相比，[[FlexPINN]]预测的[[压降系数]]和[[混合指数]]最大误差分别为3.25%和2.86%。所有测试案例中，[[双单元]]配置的[[C型矩形翅片]]在[[雷诺数]]40时表现出最高[[混合效率]](达1.63)。该框架在复杂[[三维几何]]中的[[流体流动]]与[[物质输运]]模拟方面展现出强大能力。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估（用于线驱动可穿戴技术） * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。目前虽已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动可穿戴外骨骼服的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：通过[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载下的安全运行；[[电池续航]]测试则评估不同负载条件下的持续运行时间。为验证测试方案，研究还推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为[[研究人员]]和[[工程师]]提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1000个随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法和直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层]][[语言特征]]与[[图式]][[语义结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并逐渐应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服提出一种[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声]]测试量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，[[热中子束线]]上安装有[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1000个随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计方案，并通过[[MCNP]]模拟进行进一步验证。 结果表明，最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的强大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合至[[直接搜索法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——用于线驱动可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出众多[[线缆驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线缆驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（TDU）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了TDU[[功能基准测试]]方法：通过[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的单元运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]安全运行；[[电池续航]]测试则评估不同[[负载条件]]下的持续[[工作时间]]。为验证这些测试，研究引入[[模块化]]TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标[[应用需求]]灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的TDU设计方案，并为[[研究人员]]和[[工程师]]提供系统化记录TDU设计性能的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练模型随后应用于1,000组随机生成的[[屏蔽构型]]，实现通量快速预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2·s的[[中子通量]]降至出口处4.96×10^5 n/cm2·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合至[[直接搜索法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛于[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]及整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到快速发展，并日益广泛应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助领域。虽然已有多种[[缆驱式外骨骼服]]问世，但其[[机电设计]]与[[性能表现]]的公开研究却十分有限。为此，本文针对缆驱式可穿戴外骨骼服提出了一种[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：通过[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；采用[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录冷却性能以确保高负载下的安全运行；[[电池续航]]测试则评估不同负载条件下的持续工作时间。为验证测试方案，研究还推出模块化缆驱TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活配置。通过分享详细方法论与性能数据，本研究旨在为科研人员与工程师提供可复用的TDU设计方案，并建立[[标准化文档]]框架以更好地记录TDU设计性能。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了以下组件：[[TextCNN]]用于局部[[语义提取]]、双向[[GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及双向[[图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了卓越的[[分类性能]]，[[准确率]]达99.2%，宏观[[F1分数]]为0.9919。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱式可穿戴外骨骼服装]]提出了一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]方案。详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制测试]]评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载下的[[安全运行]]；[[电池续航测试]]评估不同负载条件下的[[持续运行时间]]。为验证这些测试，本文推出[[模块化]][[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU设计方案]]，并为[[研究人员]]和[[工程师]]提供系统化记录[[TDU设计性能]]的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束]]快门创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]进行快速通量预测与性能排序，筛选出预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降低至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法和直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合至[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛至[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]及整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级化]][[语言特征]]与[[图式语义]][[结构]]结合的[[有效性]]。该模型同时展现出强[[泛化性]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的上下肢治疗与辅助。目前虽已开发出多种[[线驱动外骨骼服]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服提出一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析方案。通过详细的方法论对[[TDU]]功能进行基准测试：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的单元运行声响；[[热应力测试]]记录冷却性能以确保高负载下的安全运行；[[电池续航]]测试则评估不同负载条件下的持续工作时间。为验证测试方案，本研究推出模块化线驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活配置。通过共享详细方法论与性能数据，本研究旨在提供可复用的[[TDU]]设计方案，并为研究人员和工程师提供系统化记录[[TDU]]设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。在[[热中子束线]]上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的[[模型]]随后应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选出预测[[通量]]最低的20种设计方案后，通过[[MCNP]]模拟进行进一步验证。 结果表明，最优设计将[[快门]]入口处5.61×10^9 n/cm²*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm²*s，实现四个数量级的[[衰减]]。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]结合使用，以解决[[非线性约束]]的[[无导数优化]]问题。我们采用了一个[[评价函数]]，其中[[非线性不等式约束]]集被分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而能够有效处理一般[[非线性约束]]。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。通过[[CUTEst]]测试问题进行的[[数值实验]]表明，与当前最先进的[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[有效性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级语言特征]]与[[图式语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并逐渐应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱可穿戴外骨骼服装的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）进行了全面设计与性能分析，详细阐述了[[TDU功能基准测试方法]]：[[静态扭矩输出测试]]对比指令扭矩与实测扭矩；[[速度控制测试]]评估不同速度下的衰减与相位偏移；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录冷却性能以确保高负载安全运行；[[电池续航测试]]评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化线驱TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的TDU设计方案，并为[[研究人员]]和[[工程师]]提供系统化评估工具，以更完善地记录其TDU设计性能。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20组设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降低至出口处的4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法和直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]结合使用，以求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛于[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]及整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列上下文]]学习、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服装的[[双自由度]][[肌腱驱动单元]]（TDU）提出了全面的设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，研究还推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师建立更完善的TDU设计能力[[文档体系]]提供参考。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm2*s的[[中子通量]]降至出口处4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]，辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法与直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍函数法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合到[[直接搜索方法]]中，从而能够有效处理一般[[非线性约束]]。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[有效性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]相结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：摘要：[[外骨骼服]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动外骨骼服]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于[[线驱动]]可穿戴[[外骨骼服]]的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]。研究详细阐述了[[TDU]]功能[[基准测试]]方法：[[静态扭矩]]输出测试比较[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]下的[[安全运行]]；[[电池续航]]测试评估不同[[负载条件]]下的[[持续运行时间]]。为验证[[测试方案]]，研究还推出[[模块化]][[线驱动]][[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据[[应用需求]]灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]提供[[系统化]]记录[[TDU]]设计性能的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]进行快速通量预测与性能排序，筛选出预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，展现出卓越的[[分类性能]]。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型表现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：基于罚函数-内点法和直接搜索的非线性无导数约束优化 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估（用于线驱动可穿戴技术） * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并逐渐应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究较少。为此，本文提出一种用于线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。详细介绍了TDU功能基准测试方法：[[静态扭矩]]输出测试比较指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声]]测试量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载安全运行；[[电池续航]]测试评估不同负载条件下的运行时长。为演示测试方案，本文推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求调整。通过分享详细方法与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计方案后，通过[[MCNP]]模拟进行了进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2·s的[[中子通量]]降至出口处的4.96×10^5 n/cm2·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但关于其[[机电设计]]和[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动[[可穿戴]]外骨骼服的[[双自由度]][[肌腱驱动单元]]（TDU）的全面设计与[[性能分析]]。研究详细阐述了TDU功能[[基准测试]]方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录[[散热性能]]以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，研究还推出[[模块化]]线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活配置。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为[[研究人员]]和[[工程师]]提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡罗模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]][[质子束]]轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]][[束线]]。在[[热中子束线]]上安装快门以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的[[模型]]随后应用于1,000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]][[系统设计]]中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级化]][[语言特征]]与[[图式]][[语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的设计与性能分析方案。研究详细阐述了[[TDU功能基准测试]]方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制测试]]评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU运行声响]]；[[热应力测试]]记录[[散热性能]]以确保[[高负载]][[安全运行]]；[[电池续航测试]]则评估不同负载条件下的[[持续工作时间]]。为验证测试方案，研究还推出[[模块化]][[线驱动]][[TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU设计方案]]，并为[[研究人员]]和[[工程师]]建立[[TDU设计能力文档]]提供[[参考资源]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。在[[热中子束线]]上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]相结合的有效性。此外，该模型展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来快速发展，在[[临床]]和[[家庭环境]]中日益广泛地应用于[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动可穿戴外骨骼服的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]测定穿戴者感知的[[TDU]]运行声响；[[热应力测试]]获取[[TDU]]冷却性能以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证这些测试，研究推出模块化线驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的[[TDU]]设计方案，并为研究人员和工程师提供系统记录[[TDU]]设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束]]快门创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。热中子束线上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的中子快门构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000组随机生成的屏蔽构型进行快速通量预测与性能排序，筛选预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的中子通量降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。该研究证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能屏蔽构型，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍函数法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级化]][[语言特征]]与[[图式]][[语义结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU]]功能[[基准测试]]方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[散热性能]]以确保高负载下的[[安全运行]]；[[电池续航]]测试则评估不同[[负载条件]]下的[[持续工作时间]]。为验证这些测试，研究推出[[模块化]]线驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活配置。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可被借鉴的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]提供资源，以更完善地记录其[[TDU]]设计性能。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的模型随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20组设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度谣言检测模型RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，展现出卓越的[[分类性能]]。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型表现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]]应用中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。采用一个[[价值函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而能够有效处理一般[[非线性约束]]。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。通过[[CUTEst]]测试问题进行的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[有效性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到快速发展，并日益广泛应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。尽管已有多种[[缆驱式外骨骼服装]]问世，但其[[机电设计]]与[[性能表现]]的公开研究仍较为匮乏。为此，本文针对[[缆驱式可穿戴外骨骼服装]]的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU]][[功能基准测试]]方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实际测量值]]；[[速度控制测试]]评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的单元运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]下的[[安全运行]]；[[电池续航测试]]则评估不同[[负载条件]]下的[[持续工作时间]]。为验证测试方案，研究还推出[[模块化]][[缆驱系统]]，支持根据[[应用需求]]灵活配置[[电机]]、[[滑轮]]和[[传感器]]等组件。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在为[[科研人员]]与[[工程师]]提供可复用的[[TDU]][[设计方案]]，并建立[[标准化]][[文档框架]]以更全面记录[[TDU]][[设计性能]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，[[热中子束线]]上安装快门以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]来预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1,000个随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子系统设计]]中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图式语义结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]]中的[[应用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本文提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后融入[[直接搜索方法]]，实现了对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱式可穿戴外骨骼服装]]的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU功能基准测试方法]]：通过[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实际扭矩]]；[[速度控制测试]]评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪音测试]]量化[[穿戴者]]感知的[[TDU运行声响]]；[[热应力测试]]记录[[散热性能]]以确保[[高负载]]下的[[安全运行]]；[[电池续航测试]]则评估不同[[负载条件]]下的[[持续运行时间]]。为验证这些测试，研究推出[[模块化]][[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等[[组件]]可根据[[应用需求]]灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU设计方案]]，并为[[研究人员]]和[[工程师]]提供[[系统化]]记录[[TDU设计性能]]的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]束线，在[[热中子束线]]上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得[[数据集]]用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的[[模型]]随后应用于1,000个随机生成的[[屏蔽构型]]，实现快速[[通量预测]]和[[性能排序]]。筛选出预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明，最优设计将[[快门]]入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的[[衰减]]。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图式语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后被整合到[[直接搜索方法]]中，从而实现对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法收敛]]到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出一种用于线驱动[[可穿戴外骨骼]]的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实际扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]安全运行；[[电池续航]]测试评估不同负载条件下的持续工作时间。为验证测试方案，研究推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]结合使用，以求解[[非线性约束]]的[[无导数优化]]问题。我们构建了一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而能够有效处理一般[[非线性约束]]。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。通过[[CUTEst]]测试问题集的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱可穿戴外骨骼服装]]的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU]]功能[[基准测试]]方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制测试]]评估不同[[速度]]下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]][[安全运行]]；[[电池续航测试]]评估不同[[负载条件]]下的[[持续工作时间]]。为验证[[测试方案]]，研究推出[[模块化]][[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等[[组件]]可根据[[应用需求]]灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]建立更完善的[[TDU]][[性能文档体系]]提供参考。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]束线，在热中子束线上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练后的模型随后应用于1000个随机生成的[[屏蔽构型]]，进行快速通量预测和性能排序。筛选出预测通量最低的20种设计，并通过[[MCNP]]模拟进一步验证。 结果表明，最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现了四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并有助于识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，展现出卓越的[[分类性能]]。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的[[有效性]]。此外，该模型表现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]相结合，用于求解[[非线性约束]]的[[无导数优化]]问题。通过构建一个[[评价函数]]，将[[非线性不等式约束]]集分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经调整后融入[[直接搜索方法]]，实现了对一般[[非线性约束]]的有效处理。在[[连续可微性]]假设下（无需任何[[凸性]]要求），证明了[[算法]]收敛到[[KKT稳定点]]。基于[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[优越性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录[[散热性能]]以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续工作时间。为验证测试方案，研究推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活配置。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束]]快门创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2·s的[[中子通量]]降至出口处4.96×10^5 n/cm2·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子系统]]设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级]][[语言特征]]与[[图语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search * '''中文标题'''：非线性无导数约束优化的罚函数-内点法与直接搜索联合方法 * '''发布日期'''：2025-04-24 15:54:01+00:00 * '''作者'''：Andrea Brilli, Ana L. Custódio, Giampaolo Liuzzi, Everton J. Silva * '''分类'''：math.OC *'''原文链接'''：http://arxiv.org/abs/2504.17682v1 '''中文摘要'''：摘要：本研究提出将[[混合惩罚]]-[[内点法]]与[[直接搜索法]]结合使用，以解决[[非线性约束]]的[[无导数优化]]问题。我们采用了一个[[评价函数]]，其中[[非线性不等式约束]]集被分为两组：一组采用[[对数障碍法]]处理，另一组与[[等式约束]]共同通过[[惩罚项]]处理。该策略经过调整后被整合到[[直接搜索方法]]中，从而能够有效处理一般[[非线性约束]]。在[[连续可微性]]假设下（无需任何[[凸性]]要求），我们建立了[[算法收敛]]到[[KKT稳定点]]的理论保证。通过[[CUTEst]]测试问题的[[数值实验]]表明，与现有先进[[求解器]]相比，所提方法具有[[鲁棒性]]、[[高效性]]和整体[[有效性]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动可穿戴外骨骼服提出一种[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声]]测试量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法与性能数据，本研究旨在提供可被借鉴的TDU设计方案，并为[[研究人员]]和[[工程师]]提供资源以更完善地记录其TDU设计性能。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]][[质子束]]轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，[[热中子束线]]上安装有[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1000个随机生成的[[屏蔽构型]]，实现快速通量预测和性能排序。筛选出预测通量最低的20种设计方案，并通过[[MCNP]]模拟进行进一步验证。 结果表明，最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]][[系统设计]]中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级化]][[语言特征]]与[[图式]][[语义结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的设计与性能分析方案。研究详细阐述了TDU功能基准测试方法：通过[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的单元运行声响；[[热应力测试]]记录冷却性能以确保高负载下的安全运行；[[电池续航]]测试则评估不同负载条件下的持续工作时间。为验证测试方案，研究还推出模块化线驱动TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，在热中子束线上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1,000个随机生成的屏蔽构型，进行快速通量预测和性能排序。筛选出预测通量最低的20种设计方案，并通过[[MCNP]]模拟进一步验证。 结果表明，最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并有助于识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]（[[局部语义]]提取）、[[双向GRU]]（[[序列]][[上下文]]学习）、[[多头自注意力机制]]（[[全局依赖]]聚焦）以及[[双向图卷积网络]][[BiGCN]]（[[词共现图]]的[[结构表征]]）。在[[微博]][[谣言数据集]][[Weibo1-Rumor]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：用于线驱动可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出众多[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于[[线驱]][[可穿戴]][[外骨骼服装]]的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]。研究详细阐述了[[TDU]][[功能基准测试]]方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制测试]]评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的[[TDU]][[运行声响]]；[[热应力测试]]记录[[冷却性能]]以确保[[高负载]]下的[[安全运行]]；[[电池续航测试]]则评估不同[[负载条件]]下的[[持续运行时间]]。为验证[[测试方案]]，本研究推出[[模块化]][[线驱]][[TDU]][[系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等[[组件]]可根据[[应用需求]]灵活调整。通过分享详细[[方法学]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]][[设计方案]]，并为[[研究人员]]和[[工程师]]提供[[系统化]]记录[[TDU]][[设计性能]]的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，展现出卓越的[[分类性能]]。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型表现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动可穿戴外骨骼服的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证这些测试，研究还推出模块化TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可被他人借鉴的TDU设计方案，并为研究人员和工程师提供资源以更完善地记录其TDU设计性能。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，在[[热中子束线]]上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练后的模型随后应用于1,000个随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选出预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将[[快门入口]]处5.61×10^9 n/cm2*s的[[中子通量]]降低至[[出口]]处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了优越的[[分类性能]]，[[准确率]]达99.2%，[[宏观F1分数]]为0.9919。结果验证了将[[分层]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的[[有效性]]。此外，该模型展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上肢]]与[[下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱可穿戴外骨骼服装的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU]]功能[[基准测试]]方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[散热性能]]以确保[[高负载]]安全运行；[[电池续航]]测试评估不同[[负载条件]]下的持续[[工作时间]]。为验证测试方案，本研究推出[[模块化]]线驱[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据[[应用需求]]灵活配置。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]建立更完善的[[TDU]]性能[[文档体系]]提供参考。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，在热中子束线上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的中子快门构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1,000个随机生成的屏蔽构型，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计方案，并通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降低至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子系统]]设计中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到快速发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上下肢]]治疗与辅助。虽然已开发出众多[[线缆驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线缆驱动[[可穿戴外骨骼]]的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的设计与性能分析方案。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[散热性能]]以确保[[高负载]]安全运行；[[电池续航]]测试评估不同[[负载条件]]下的持续工作时间。为验证测试方案，本研究推出[[模块化]]线缆驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活配置。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]建立更完善的[[TDU]]性能文档体系提供参考资源。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡罗模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的模型随后应用于1,000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降至出口处的4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层]][[语言特征]]与[[图语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年快速发展，在[[临床]]和[[家庭环境]]中日益广泛地应用于上下肢[[治疗]]与[[辅助]]。虽然已有多种[[线驱式外骨骼服装]]问世，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对线驱式[[可穿戴外骨骼服装]]提出了一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析方案。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与实际扭矩；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[散热性能]]以确保高负载安全运行；[[电池续航]]测试则评估不同负载条件下的持续工作时间。为验证测试方案，本研究推出模块化线驱[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活配置。通过分享详细[[方法论]]与性能数据，本研究旨在提供可复用的[[TDU]]设计方案，并为研究人员和工程师建立更完善的[[TDU]]性能文档体系提供参考。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练模型随后应用于1,000个随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱可穿戴外骨骼服装]]的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）提出了全面的[[设计]]与[[性能分析]]方案。研究详细阐述了[[TDU]][[功能基准测试]]方法：[[静态扭矩输出测试]]对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制测试]]评估不同[[速度]]下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化[[穿戴者]]感知的[[TDU]][[运行声响]]；[[热应力测试]]记录[[散热性能]]以确保[[高负载]][[安全运行]]；[[电池续航测试]]则评估不同[[负载条件]]下的[[持续工作时间]]。为验证这些测试，研究引入[[模块化]][[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等[[组件]]可根据[[目标应用]][[需求]]灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]][[设计方案]]，并为[[研究人员]]和[[工程师]]提供[[系统化]][[记录]][[TDU]][[设计性能]]的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的[[模型]]随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20组设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm²·s的[[中子通量]]降低至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[分层语言特征]]与[[图语义结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来快速发展，已广泛应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。尽管已有多种[[缆驱式外骨骼服]]问世，但其[[机电设计]]与[[性能表现]]的公开研究仍较为匮乏。为此，本文提出了一种用于缆驱式可穿戴外骨骼服的[[双自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析方案。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比指令扭矩与实测扭矩；[[速度控制测试]]评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载下的安全运行；[[电池续航测试]]则评估不同负载条件下的持续工作时间。为验证这些测试，研究还推出模块化缆驱[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在为其他研究者提供可借鉴的[[TDU]]设计方案，并为工程师系统记录[[TDU]]设计性能建立[[标准化]]参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的模型应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行二次验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于局部[[语义提取]]、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于全局[[依赖聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了优越的[[分类性能]]，[[准确率]]达99.2%，[[宏观F1分数]]达0.9919。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。尽管已开发出多种[[线驱式外骨骼服]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱可穿戴外骨骼服]]提出一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析。详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比指令与实测扭矩；[[速度控制测试]]评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载安全运行；[[电池续航测试]]评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化[[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细方法与性能数据，本研究旨在提供可复用的[[TDU设计方案]]，并为研究人员和工程师提供系统化记录[[TDU设计性能]]的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的[[模型]]随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm2·s的[[中子通量]]降至出口处4.96×10^5 n/cm2·s，实现四个数量级的[[衰减]]。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效的[[谣言检测]]已成为[[自然语言处理]]领域亟待解决的挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]（局部语义提取）、[[双向GRU]]（序列上下文学习）、[[多头自注意力]]（全局依赖聚焦）以及[[双向图卷积网络]][[BiGCN]]（词共现图的结构化表征）。在[[微博]][[谣言数据集]][[Weibo1-Rumor]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的准确率和0.9919的宏观[[F1值]]，验证了分层语言特征与图式语义结构结合的有效性。该模型同时展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]]中的实用价值。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。目前虽已开发出多种[[线驱动]]外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出一种用于线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]。研究详细阐述了[[TDU]]功能[[基准测试]]方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载下的[[安全运行]]；[[电池续航]]测试评估不同负载条件下的[[持续运行时间]]。为验证测试方案，本研究推出[[模块化]]线驱动[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细[[方法论]]与[[性能数据]]，本研究旨在提供可复用的[[TDU]]设计方案，并为[[研究人员]]和[[工程师]]提供系统化记录[[TDU]]设计性能的[[参考框架]]。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束]]快门创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。在热中子束线上安装快门以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行二次验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。该研究证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度谣言检测模型RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层次化]][[语言特征]]与[[图式语义]][[结构]]结合的有效性。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在现实场景[[谣言检测]][[应用]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱]]式外骨骼服，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出一种用于线驱可穿戴外骨骼服的[[双自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声]]测试量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，研究还推出模块化线驱TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。在[[热中子束线]]上安装[[束流快门]]以降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练模型随后应用于1,000个随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处中子通量从5.61×10^9 n/cm²·s降至出口处的4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。尽管已开发出众多[[线驱式外骨骼服]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文针对[[线驱可穿戴外骨骼服]]提出一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与[[性能分析]]。详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比指令与实测[[扭矩]]；[[速度控制测试]]评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[冷却性能]]以确保高负载下的安全运行；[[电池续航测试]]评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化[[线驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法与性能数据，本研究旨在提供可复用的[[TDU设计方案]]，并为研究人员和工程师提供系统化记录[[TDU设计性能]]的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的[[模型]]随后应用于1,000种随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选出预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm2*s的[[中子通量]]降至出口处4.96×10^5 n/cm2*s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已开发出多种[[线驱式外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究较少。为此，本文针对线驱可穿戴外骨骼服装提出了一种[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比指令扭矩与实测扭矩；[[速度控制]]测试评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的TDU运行声响；[[热应力测试]]记录冷却性能以确保高负载下的安全运行；[[电池续航]]测试评估不同负载条件下的持续运行时间。为验证测试方案，本文推出模块化线驱TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的快门用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练完成的模型随后应用于1,000组随机生成的[[屏蔽构型]]，实现快速通量预测与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低模拟成本并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：面向线驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并日益应用于[[临床]]和[[家庭环境]]中的[[上肢]]与[[下肢]]治疗与辅助。虽然已开发出多种[[线驱动]]式外骨骼服装，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于线驱动[[可穿戴]]外骨骼服装的[[二自由度]][[肌腱驱动单元]]（TDU）的全面设计与性能分析。研究详细阐述了TDU功能基准测试方法：[[静态扭矩]]输出测试对比[[指令扭矩]]与[[实测扭矩]]；[[速度控制]]测试评估不同速度下的[[衰减]]与[[相位偏移]]；[[噪音]]测试量化穿戴者感知的TDU运行声响；[[热应力]]测试记录[[冷却性能]]以确保高负载下的[[安全运行]]；[[电池续航]]测试评估不同负载条件下的[[持续运行时间]]。为验证测试方案，研究还推出[[模块化]]TDU系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法与性能数据，本研究旨在提供可被复用的TDU设计方案，并为研究人员和工程师提供系统化记录TDU设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]与[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用生成的[[数据集]]训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与[[性能排序]]。筛选预测通量最低的20种设计方案后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门入口]]处中子通量从5.61×10^9 n/cm²·s降至出口处的4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估——面向缆驱可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为[[刚性外骨骼]]的替代方案近年来得到发展，并逐渐应用于[[临床]]和[[家庭环境]]中的上下肢治疗与辅助。虽然已开发出多种[[线驱动外骨骼服装]]，但其[[机电设计]]与[[性能]]的公开研究甚少。为此，本文提出了一种用于[[线驱动]]可穿戴外骨骼服装的[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的全面设计与性能分析。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比指令扭矩与实测扭矩；[[速度控制测试]]评估不同速度下的衰减与[[相位偏移]]；[[噪声测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录冷却性能以确保高负载下的安全运行；[[电池续航测试]]评估不同负载条件下的持续运行时间。为验证这些测试，研究还推出模块化[[TDU]]系统，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据目标应用需求灵活调整。通过分享详细方法论与性能数据，本研究旨在提供可复用的[[TDU]]设计方案，并为研究人员和工程师提供系统化记录[[TDU]]设计性能的参考框架。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束]]快门创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[靶材]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[束流快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000组随机生成的[[屏蔽构型]]进行快速通量预测与性能排序，筛选预测通量最低的20种设计并通过[[MCNP]]模拟进一步验证。 结果表明：最优设计将快门入口处5.61×10^9 n/cm²·s的[[中子通量]]降至出口处4.96×10^5 n/cm²·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种新型[[中子束]]快门设计方法，该方法将[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术相结合，以提升[[屏蔽性能]]并加速设计流程。目标设施是一个紧凑型[[中子科学平台]]，其中子由[[回旋加速器]]质子束轰击[[中子产生靶]]产生。该系统包含[[热中子]]和[[快中子]]两条束线，在热中子束线上安装束快门以降低维护期间的[[职业辐射暴露]]。 本研究使用[[MCNP]]模拟了200种不同[[材料序列]]的中子快门构型，所得数据集用于训练[[全连接神经网络]]以预测屏蔽下游的[[中子通量]]。训练完成的模型随后应用于1,000个随机生成的屏蔽构型，进行快速通量预测和性能排序。最终筛选出预测通量最低的20种设计方案，并通过[[MCNP]]模拟进一步验证。 结果表明，最优设计将快门入口处的中子通量从5.61×10^9 n/cm²·s降至出口处的4.96×10^5 n/cm²·s，实现了四个数量级的衰减。这些发现证实[[机器学习]]技术的整合能有效降低[[模拟成本]]，并有助于识别高性能屏蔽构型，展现了[[数据驱动方法]]在[[中子]]系统设计中的强大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：基于MindSpore的多粒度建模谣言检测方法RAGAT-Mind * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续扩散，有效[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度]][[建模方法]]。该模型整合了[[TextCNN]]用于[[局部语义]][[提取]]、[[双向GRU]]用于[[序列]][[上下文]][[学习]]、[[多头自注意力机制]]用于[[全局依赖]][[聚焦]]，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化]][[表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，验证了[[层级化]][[语言特征]]与[[图式]][[语义结构]]结合的[[有效性]]。该模型还展现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]]中的[[实用价值]]。 == 摘要 == * '''原文标题'''：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies * '''中文标题'''：二自由度肌腱驱动单元的设计与性能评估：用于线驱动可穿戴技术 * '''发布日期'''：2025-04-24 16:49:21+00:00 * '''作者'''：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2504.17736v1 '''中文摘要'''：[[外骨骼服装]]作为刚性[[外骨骼]]的替代方案近年来快速发展，已广泛应用于[[临床]]和[[家庭环境]]中[[上下肢]]治疗与辅助。虽然已有多种[[缆驱式外骨骼服装]]问世，但其[[机电设计]]与[[性能指标]]的公开研究仍较为匮乏。为此，本文针对[[缆驱式可穿戴外骨骼服装]]提出了一种[[二自由度]][[肌腱驱动单元]]（[[TDU]]）的完整设计方案与[[性能分析]]体系。研究详细阐述了[[TDU]]功能基准测试方法：[[静态扭矩输出测试]]对比指令扭矩与实际输出扭矩；[[速度控制测试]]评估不同速度下的[[信号衰减]]与[[相位偏移]]；[[噪音测试]]量化穿戴者感知的[[TDU]]运行声响；[[热应力测试]]记录[[散热性能]]以确保高负载安全运行；[[电池续航测试]]测定不同负载条件下的持续工作时间。为验证测试体系，研究开发了模块化[[缆驱TDU系统]]，其[[电机]]、[[滑轮]]和[[传感器]]等组件可根据应用需求灵活配置。通过公开详细[[方法论]]与[[性能数据]]，本研究旨在为[[科研人员]]提供可复用的[[TDU]]设计方案，并为[[工程师]]建立规范的[[TDU]]性能文档体系提供参考标准。 == 摘要 == * '''原文标题'''：Machine Learning-Based Design and Monte Carlo Simulation of a Neutron Beam Shutter for Cyclotron-Based Neutron Sources * '''中文标题'''：基于机器学习的回旋加速器中子源中子束快门设计与蒙特卡洛模拟 * '''发布日期'''：2025-04-24 07:21:25+00:00 * '''作者'''：Li-Fang Chen, Sheng-Long Jeng, Cheng-Si Tsao, Jyh-Shen Tsay * '''分类'''：physics.ins-det *'''原文链接'''：http://arxiv.org/abs/2504.17319v1 '''中文摘要'''：本研究提出了一种结合[[蒙特卡洛模拟]]（[[MCNP]]）与[[机器学习]]技术的[[中子束快门]]创新设计方法，旨在提升[[屏蔽性能]]并加速设计流程。目标设施为紧凑型[[中子科学平台]]，其中[[中子]]由[[回旋加速器]]质子束轰击[[中子产生靶]]产生，系统包含[[热中子]]和[[快中子]]束线。[[热中子束线]]上安装的[[快门]]用于降低维护期间的[[职业辐射暴露]]。 研究通过[[MCNP]]模拟了200种不同[[材料序列]]的[[中子快门]]构型，利用所得数据集训练[[全连接神经网络]]以预测屏蔽下游[[中子通量]]。训练后的模型应用于1,000种随机生成的[[屏蔽构型]]，实现快速[[通量预测]]与性能排序。筛选预测通量最低的20种设计后，通过[[MCNP]]模拟进行进一步验证。 结果表明：最优设计将[[快门]]入口处5.61×10^9 n/cm2·s的[[中子通量]]降至出口处4.96×10^5 n/cm2·s，实现四个数量级的衰减。这些发现证实[[机器学习]]技术能有效降低[[模拟成本]]并辅助识别高性能[[屏蔽构型]]，展现了[[数据驱动方法]]在[[中子]]系统设计中的巨大潜力。 == 摘要 == * '''原文标题'''：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore * '''中文标题'''：RAGAT-Mind：基于MindSpore的多粒度谣言检测建模方法 * '''发布日期'''：2025-04-24 14:03:53+00:00 * '''作者'''：Zhenkai Qin, Guifang Yang, Dongze Wu * '''分类'''：cs.CL, cs.CY *'''原文链接'''：http://arxiv.org/abs/2504.17574v1 '''中文摘要'''：随着[[虚假信息]]在[[社交媒体平台]]持续泛滥，有效的[[谣言检测]]已成为[[自然语言处理]]领域的紧迫挑战。本文提出[[RAGAT-Mind]]——一种基于[[MindSpore]][[深度学习框架]]的[[中文]][[谣言检测]][[多粒度建模]]方法。该模型整合了[[TextCNN]]用于[[局部语义]]提取、[[双向GRU]]用于[[序列]][[上下文学习]]、[[多头自注意力机制]]用于[[全局依赖]]聚焦，以及[[双向图卷积网络]]([[BiGCN]])用于[[词共现图]]的[[结构化表征]]。在[[微博]][[谣言数据集]]上的实验表明，[[RAGAT-Mind]]实现了99.2%的[[准确率]]和0.9919的[[宏观F1值]]，展现出卓越的[[分类性能]]。结果验证了将[[层次化]][[语言特征]]与基于[[图]]的[[语义结构]]相结合的有效性。此外，该模型表现出强大的[[泛化能力]]和[[可解释性]]，凸显了其在[[现实场景]][[谣言检测]][[应用]]中的[[实用价值]]。
返回
WikiEdge:ArXiv速递/2025-04-24
。
导航菜单
个人工具
创建账号
登录
命名空间
项目页面
讨论
不转换
不转换
简体
繁體
大陆简体
香港繁體
澳門繁體
大马简体
新加坡简体
臺灣正體
查看
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
MediaWiki帮助
工具
链入页面
相关更改
特殊页面
页面信息