XiaoMi-AI文件搜索系统
World File Search System宋珊珊
Leonard、Szekely 和 Wang：2023 年 ACS 可持续化学与工程讲座奖获奖者
(1) Seuferling, T.；Larson, T.；Barforoush, J.；Leonard, KC 用于高电流密度下电化学分解水的碳酸盐衍生多金属催化剂。ACS Sustainable Chem. Eng. 2021 ，9 ，16678 − 16686。 (2) Stalcup, MA；Nilles, CK；Lee, H.-J.；Subramaniam, B.；Blakemore, JD；Leonard, KC 在 CO 2 膨胀电解质中进行有机电合成：实现选择性苯乙酮羧化生成阿卓酸。ACS Sustainable Chem. Eng. 2021 ，9 ，10431 − 10436。 (3) Farris, BR；Niang-Trost, T.；Branicky, MS； Leonard，KC 使用人工策划的数据集评估电化学 CO 2 还原的机器学习模型。ACS 可持续化学工程。2022，10，10934 − 10944。 (4) Park，S.-H.；Yang，C.；Ayaril，N.；Szekely，G. 来自生物质衍生构建块的耐溶剂薄膜复合膜：壳聚糖和 2,5-呋喃二甲醛。ACS 可持续化学工程。2022，10，998 − 1007。 (5) Voros，V.；Drioli，E.；Fonte，C.；Szekely，G. 通过连续和同时分离抗氧化剂进行工艺强化：一种橄榄叶废料的升级回收方法。ACS 可持续化学工程。 2019, 7, 18444 – 18452。 (6) Didaskalou, C.;库派，J.；切里，L.；巴拉巴斯，J.；瓦斯，E.；霍尔茨尔，T.； Szekely, G. 用于集成合成-分离平台的膜接枝不对称有机催化剂。 ACS目录。 2018, 8, 7430 – 7438. (7) 李杰;特雷奇科，M.；尹，J.；朱，Y。李，G。宋，S。杨，H。李，J。吴，J。卢，J。 Wang, X. 分子成像中的机器视觉自动手性分子检测和分类。 J. Am.化学。苏克。 2021 ，143 ，10177 − 10188。 (8) Zheng, Y.；Wang, X.；Wu, Z. 间歇结晶过程的机器学习建模和预测控制。Ind. Eng. Chem. Res. 2022 ，61 ，5578 − 5592。 (9) Zhu, X.；Ho, C.-H.；Wang, X. 生命周期评估和机器学习在绿色化学替代品高通量筛选中的应用。ACS Sustainable Chem. Eng. 2020 ，8 ，11141 − 11151。
语言学习者策略使用和英语水平在密歇根英语语言评估测验中的表现 Xiaomei Song 皇后大学 使用 4
密歇根英语语言评估系统中语言学习者的策略使用和英语水平 宋晓梅 皇后大学 本研究使用一份包含 43 项的策略使用问卷，研究了密歇根英语语言评估系统 (MELAB) 考生报告的语言策略的性质。它进一步研究了考生报告的策略使用情况和英语作为第二语言 (ESL) 背景下 MELAB 语言测试成绩之间的关系。结果表明，MELAB 考生对认知策略使用的看法主要分为六个维度：重复/确认信息策略、写作策略、练习策略、生成策略、应用规则策略和与先前知识策略联系。MELAB 考生对元认知策略使用的看法分为三个维度：评估、监控和评估。结果还表明，一些策略对语言表现有显著的正向影响，一些策略对语言表现有显著的负向影响，而其他一些策略似乎对这组参与者没有影响。自 20 世纪 70 年代以来，语言测试研究人员一直致力于识别影响语言测试成绩差异的个体特征。根据 Dreyer 和 Oxford (1996) 的说法，一个可能导致语言成绩差异的重要变量是语言策略的使用，据认为，各个教学水平的学生都会使用语言策略，其结果也各不相同。本研究考察了密歇根英语语言评估体系 (MELAB) 考生报告的学习者策略的性质。本研究还调查了在英语作为第二语言 (ESL) 的背景下，报告的学习者策略使用与 MELAB 语言测试成绩之间的关系。影响第二语言成绩的因素语言研究人员长期以来一直对可能影响语言测试成绩和分数的因素感兴趣。Bachman (1990) 提出了一个模型来研究三种系统性变异源对测试成绩的影响：交际语言能力、考生的个人特征以及测试方法或测试任务的特征。在三类系统性变异源中，交际语言能力被认为是导致第二语言学习考试成绩差异的核心因素。它由三个部分组成：语言能力、策略能力和心理生理机制。巴赫曼还认为，影响考试成绩的第二个因素——应试者特征——包括各种个人属性，如年龄、性别、母语、教育背景、态度、动机、焦虑、学习策略和认知风格。巴赫曼的第三因素——测试
MICCAI 2024 计划一览
论文 ID 标题/作者 指定会议 6 时空对比网络用于冠状动脉 CT 血管造影中冠状动脉疾病的数据高效学习 马兴华，邹明业，方欣燕，刘洋，罗恭宁，王伟，王宽泉，邱兆文，高鑫，李硕 海报 5 14 TP-DRSeg：通过显式文本提示辅助 SAM 改善糖尿病视网膜病变病变分割 李文学，熊新宇，夏鹏，鞠烈，葛宗元 海报 4 26 用于外科三联体识别的尾部增强表征学习 桂双春，王振坤 海报 1 40 MH-pFLGB：通过全局旁路模型进行医学图像分析的异构个性化联邦学习 谢璐媛，林曼青，徐晨明，栾天宇，曾志鹏，文俊Chen, Cong Li, Yuejian Fang, Qingni Shen,zhonghai Wu 海报 2 50 FM-ABS：即时基础模型驱动 3D 医学图像分割的主动无监督学习 Zhe Xu, Cheng Chen, Donghuan Lu, Jinghan Sun, Dong Wei, Yefeng Cheng, Quanzheng Li, Raymond Kai-yu Tong 海报 1 53 心脏副驾驶：使用世界模型自动引导超声心动图蒋浩军、孙振国、贾宁、李萌、孙宇、罗沙琪、宋世吉、黄高海报 2 65 拥抱海量医疗数据 周宇成、周宗伟、Alan Yuille 海报 1 67 掩蔽缺失：不完整多模态脑肿瘤分割的任意跨模态特征重建 曾志林、彭泽林、杨小康、沉伟海报 4 73 迈向直肠内超声视频中结直肠癌分割的基准：数据集和模型开发 Yun Cheng Jiang、Yiwen Hu、Zixun 张、Jun Wei、Chun-Mei Feng、Xuemei Tang、Xiang Wan、Yong Liu、Shuguang Cui、Zhen Li 海报 5 74 UinTSeg：统一婴儿脑组织分割与解剖描绘 Jiameng Liu、Feihong Liu、Kaicong Sun、Yuhang Sun、 Jiawei Huang, Caiwen Jiang, Islem Rekik, Dinggang Shen 海报 2 77 XCoOp：通过概念引导上下文优化实现计算机辅助诊断的可解释即时学习 Yequan Bie, Luyang Luo,zhixuan Chen,hao Chen 海报 5 78 DiffExplainer：通过反事实生成揭开黑盒模型 Yingying Fang, Shuang Wu, Zihao Jin, Shiyi Wang, Caiwen Xu, Simon沃尔什·光阳海报 5
URSI 文摘 - 国家科学院
联合主席 Steve Ellingson Richard Langley Kamal Sarabandi Atef Z. Elsherbeni Jean-Jacques Laurin Tapan Sarkar Inder J. Gupta Nader Engheta Gianluca Lazzi Stephen Schneider Vakur Erturk Jin-Fa Lee B. Shanker Kenn Anderson Heinrich Foltz Teh-Hong Lee Michael迈克尔·希尔兹 Y.安塔尔·古鲁达斯·甘古利 凌浩 宋吉明布赖恩·贝尔特兰 (Brian Baertlein) 罗兰·吉尔伯特 (Roland Gilbert) 刘对贤 戈登·斯台普斯 (Gordon Staples) 康斯坦丁·巴尔 (Constantine Bal) 艾伦·W·格利森 (Allen W. Glisson) 斯图尔特 (A. Long) 让-皮埃尔·圣莫里斯 (E. A. Bering) 朱利叶斯·戈德赫什 (E. A. Bering) 安东尼·马丁 (W. Ross Stone) 詹妮弗·伯恩哈德·杰德瓦 (Jennifer Bernhard Jaideva) 戈斯瓦米 (Goswami) L. 圣马丁 (Chen-To Tai) 沃尔夫冈·马丁 (Wolfgang Martin)苏珊·C·哈格内斯 约翰·马修斯 费尔南多·特谢拉布尔纳·杰弗里·赫德·克利夫·明特·马诺斯·坦泽里斯 杰弗里·鲍尔 库伊奇恩·希尔 桑特努·米什拉·阿特·桑桑多特 加里·布朗 韦恩·霍金 拉吉·米特拉 罗伯托·蒂贝里奥 杰里·伯克 约翰·黄 侯赛因·莫萨拉伊 萨米尔·特拉贝尔西 罗伯特·伯克霍尔德 格伦·赫西 本·芒克 斯科特·泰奥赛德 W. 丹尼·伯恩·伊布劳 塔梅尔·皮诺·L. E. 加里·布斯特 A 石丸 鲍勃·内维尔斯 乌斯伦吉·查尔莫斯·巴特勒 大卫·杰克逊 迈克·纽柯克 亚历杭德罗·瓦莱罗 菲利波·卡波利诺 戈登 詹姆斯·爱德华·纽曼 吉塞佩·维奇 约翰·卡尔斯特罗姆 丹·詹宁 娜塔莉亚·尼古拉瓦 约翰·沃拉基斯 迈克尔·卡尔 建明 金·梅尔斯 M·奥本海姆 A. 沃罗诺维奇 D.K. 陈 乔尔-袁 约翰逊·薛鲍·帕文·瓦希德·志宁Chen Farzad Kamalabadi John Papapolymerou Douglas H. Werner Weng Chew David Kelley Prabhakar Pathak James West Christos Christodoulou Leo Kempel G. Frank Paynter Ed Westwater Peter Collins Brian Kent An
E2ENNet：用于情感脑机接口的端到端神经网络
情绪的反映有两种，包括外部反应和内部反应：外部反应包括人的面部表情、手势或言语等；内部反应包括皮肤电反应、心率、血压、呼吸频率、脑电图（EEG）、脑电图（EOG）（Yu et al., 2019）、脑磁图（MEG）（Christian et al., 2014）。从神经科学的角度（Lotfiand Akbarzadeh-T., 2014）发现，大脑皮层的主要区域与人的情绪密切相关（Britton et al., 2006; Etkin et al., 2011; Lindquist and Barrett, 2012），这启发我们通过在头皮上放置脑电电极来收集脑电信号，记录大脑的神经活动，从而识别人的情绪。脑电信号蕴含着情绪信息，近年来在情绪识别领域得到了广泛的应用（Soroush et al.，2017；Sulthan et al.，2018；Alarcao and Fonseca，2019）。在传统的脑电情绪识别过程中，特征提取是至关重要的步骤。如图1所示，在对脑电信号进行预处理后，通常需要从原始脑电信号中提取特征，然后输入到网络进行分类识别（Duan et al.，2013；Chen et al.，2021；Ma et al.，2021）。Duan等（2013）提出了五频带的差分熵（DE）特征，并利用DE特征获得了满意的分类结果。Li et al. (2019) 利用短时傅里叶变换提取时频特征，计算 theta、alpha、beta、gamma 波段的功率谱密度 (PSD) 特征，并使用 LSTM 进行情绪判别，取得了显著的分类结果。马等 (2021) 提出了一种甲虫天线搜索 (BAS) 算法，该算法在三个不同波段和六个通道中提取三个不同的特征，并采用 SVM 分类器进行分类。与传统 SVM 方法相比，BAS-SVM 方法的分类准确率提高了 12.89%。近年来，深度学习方法被广泛应用于情绪识别 (Jia et al.，2020a；Li et al.，2020；Zhou et al.，2021)。宋等 (2021) (2018) 根据电极位置设计 DE 特征，并使用图卷积神经网络 (GCNN) 作为分类器。张等 (2019) 创新性地将从脑电数据集中提取的 DE 特征与从面部表情数据集中提取的特征相结合，构建了时空循环神经网络 (STRNN) 用于情绪识别。李等 (2018) 提出了一种双半球域对抗神经网络 (BiDANN)，以 DE 作为输入特征，在 SEED 数据集上进行了受试者相关和受试者独立的实验，取得了相对最佳的性能。郝等 (2021) 提出了一种提取 PSD 特征作为输入的轻量级卷积神经网络，并在 DEAP 数据集上进行了实验，分别取得了 82.33 和 75 的成绩。Valance 和 Arousal 分别为 46%。Chen 等人 (2021) 提出了一种集成胶囊卷积神经网络 (CapsNet)，该网络使用小波包变换 (WPT) 进行特征提取。平均
引文 Zhou Z, Lin Y, Liu N, Zhang Y, Li B 和 Wang Y (2025) 内皮细胞衍生的细胞外基质在定向 PCL 上的梯度涂层
心血管疾病（CVD）是世界上最常见的疾病之一，具有高致病性和高死亡率的特点（Vong等，2018；Wang等，2022a；Qian等，2021）。CVD的临床治疗主要包括三种方式：药物治疗，这是最广泛的治疗方式，也是CVD治疗的基础；介入治疗，包括射频消融和心脏起搏治疗；外科治疗，包括搭桥治疗和心血管移植（Abdelsayed等，2022；Lunyera等，2023；Krahn等，2018）。血管移植主要用于恢复或建立新的血流通路，以维持或改善组织或器官某个区域的血液循环，例如因创伤或切除导致血管段缺损，或动脉栓塞或淋巴阻塞而需要“搭桥”形成循环系统的情况（Xing et al.，2021；Zhao et al.，2023）。血管移植要求供应血管具有与受体血管相同的外径和足够的长度。移植物也面临供区血液循环受损（缺血或淤滞）等问题。因此，迫切需要高性能的人工血管移植来替代自体血管进行血流重建。目前小口径人工血管（<6 mm）主要用于冠状动脉搭桥术、外周血管搭桥术、血管创伤（缺损≥2 cm）、血液透析的组织血管通路、器官功能恢复等（Asakura等，2019；Wang等，2021；Wu等，2018），但人工血管移植可导致吻合口血栓形成、内皮增生等严重并发症，影响管腔通畅性（Oliveira等，2020；Teebken和Haverich，2002；Zhuang等，2020）。此外，目前的人工血管支架虽然具备一定的力学性能和生物相容性或能提供血管再生所需的生化信号，但在模拟天然血管的结构和功能方面还存在明显的不足，现有的支架往往不能充分模拟天然血管网络的拓扑结构，并会诱导细胞爬行，从而影响血管支架在临床应用中的效果（Liang等，2016；Cheng等，2022）。因此，为提高小口径人工血管的通畅性，通过材料选择、表面改性等提高生物相容性/内皮化/力学性能成为重点研究方向。静电纺丝技术可以制备具有高比表面积和孔隙率的微/纳米纤维，可以模拟细胞外基质，促进细胞黏附、增殖和分化，为细胞提供良好的生长环境。该接收装置的设计可以制备不同直径的管状结构，是制备小直径人工血管支架的理想方法（姚等，2022；郭等，2023；宋等，2023；王等，2022b）。特别是利用该技术制备的血管支架可以负载生物因子，提高血管支架的生物相容性，促进血管快速内皮化。虽然目前的人工血管支架已经具备一定的力学性能、生物相容性或能提供血管再生所需的生化信号，但如何结合现有支架的优势，将生物因子负载于血管内，实现血管再生，是当前血管支架研究的热点。
URSI 文摘 - 国家科学院
联合主席 Steve Ellingson Richard Langley Kamal Sarabandi Atef Z. Elsherbeni Jean-Jacques Laurin Tapan Sarkar Inder J. Gupta Nader Engheta Gianluca Lazzi Stephen Schneider Vakur Erturk Jin-Fa Lee B. Shanker Kenn Anderson Heinrich Foltz Teh-Hong Lee Michael迈克尔·希尔兹 Y.安塔尔·古鲁达斯·甘古利 凌浩 宋吉明布赖恩·贝尔特兰 (Brian Baertlein) 罗兰·吉尔伯特 (Roland Gilbert) 刘对贤 戈登·斯台普斯 (Gordon Staples) 康斯坦丁·巴尔 (Constantine Bal) 艾伦·W·格利森 (Allen W. Glisson) 斯图尔特 (A. Long) 让-皮埃尔·圣莫里斯 (E. A. Bering) 朱利叶斯·戈德赫什 (E. A. Bering) 安东尼·马丁 (W. Ross Stone) 詹妮弗·伯恩哈德·杰德瓦 (Jennifer Bernhard Jaideva) 戈斯瓦米 (Goswami) L. 圣马丁 (Chen-To Tai) 沃尔夫冈·马丁 (Wolfgang Martin)苏珊·C·哈格内斯 约翰·马修斯 费尔南多·特谢拉布尔纳·杰弗里·赫德·克利夫·明特·马诺斯·坦泽里斯 杰弗里·鲍尔 库伊奇恩·希尔 桑特努·米什拉·阿特·桑桑多特 加里·布朗 韦恩·霍金 拉吉·米特拉 罗伯托·蒂贝里奥 杰里·伯克 约翰·黄 侯赛因·莫萨拉伊 萨米尔·特拉贝尔西 罗伯特·伯克霍尔德 格伦·赫西 本·芒克 斯科特·泰奥赛德 W. 丹尼·伯恩·伊布劳 塔梅尔·皮诺·L. E. 加里·布斯特 A 石丸 鲍勃·内维尔斯 乌斯伦吉·查尔莫斯·巴特勒 大卫·杰克逊 迈克·纽柯克 亚历杭德罗·瓦莱罗 菲利波·卡波利诺 戈登 詹姆斯·爱德华·纽曼 吉塞佩·维奇 约翰·卡尔斯特罗姆 丹·詹宁 娜塔莉亚·尼古拉瓦 约翰·沃拉基斯 迈克尔·卡尔 建明 金·梅尔斯 M·奥本海姆 A. 沃罗诺维奇 D.K. 陈 乔尔-袁 约翰逊·薛鲍·帕文·瓦希德·志宁Chen Farzad Kamalabadi John Papapolymerou Douglas H. Werner Weng Chew David Kelley Prabhakar Pathak James West Christos Christodoulou Leo Kempel G. Frank Paynter Ed Westwater Peter Collins Brian Kent An
URSI 文摘 - 国家科学院
联合主席 Steve Ellingson Richard Langley Kamal Sarabandi Atef Z. Elsherbeni Jean-Jacques Laurin Tapan Sarkar Inder J. Gupta Nader Engheta Gianluca Lazzi Stephen Schneider Vakur Erturk Jin-Fa Lee B. Shanker Kenn Anderson Heinrich Foltz Teh-Hong Lee Michael迈克尔·希尔兹 Y.安塔尔·古鲁达斯·甘古利 凌浩 宋吉明布赖恩·贝尔特兰 (Brian Baertlein) 罗兰·吉尔伯特 (Roland Gilbert) 刘对贤 戈登·斯台普斯 (Gordon Staples) 康斯坦丁·巴尔 (Constantine Bal) 艾伦·W·格利森 (Allen W. Glisson) 斯图尔特 (A. Long) 让-皮埃尔·圣莫里斯 (E. A. Bering) 朱利叶斯·戈德赫什 (E. A. Bering) 安东尼·马丁 (W. Ross Stone) 詹妮弗·伯恩哈德·杰德瓦 (Jennifer Bernhard Jaideva) 戈斯瓦米 (Goswami) L. 圣马丁 (Chen-To Tai) 沃尔夫冈·马丁 (Wolfgang Martin)苏珊·C·哈格内斯 约翰·马修斯 费尔南多·特谢拉布尔纳·杰弗里·赫德·克利夫·明特·马诺斯·坦泽里斯 杰弗里·鲍尔 库伊奇恩·希尔 桑特努·米什拉·阿特·桑桑多特 加里·布朗 韦恩·霍金 拉吉·米特拉 罗伯托·蒂贝里奥 杰里·伯克 约翰·黄 侯赛因·莫萨拉伊 萨米尔·特拉贝尔西 罗伯特·伯克霍尔德 格伦·赫西 本·芒克 斯科特·泰奥赛德 W. 丹尼·伯恩·伊布劳 塔梅尔·皮诺·L. E. 加里·布斯特 A 石丸 鲍勃·内维尔斯 乌斯伦吉·查尔莫斯·巴特勒 大卫·杰克逊 迈克·纽柯克 亚历杭德罗·瓦莱罗 菲利波·卡波利诺 戈登 詹姆斯·爱德华·纽曼 吉塞佩·维奇 约翰·卡尔斯特罗姆 丹·詹宁 娜塔莉亚·尼古拉瓦 约翰·沃拉基斯 迈克尔·卡尔 建明 金·梅尔斯 M·奥本海姆 A. 沃罗诺维奇 D.K. 陈 乔尔-袁 约翰逊·薛鲍·帕文·瓦希德·志宁Chen Farzad Kamalabadi John Papapolymerou Douglas H. Werner Weng Chew David Kelley Prabhakar Pathak James West Christos Christodoulou Leo Kempel G. Frank Paynter Ed Westwater Peter Collins Brian Kent An
金羊毛书籍摘要
《金羊毛》的故事情节无法确定精确的历史时间线，因为在荷马写下史诗《伊利亚特》和《奥德赛》时，即公元前 8 世纪左右，金羊毛已经存在于有记载的历史范围之外。虽然考古学已经证实一些神话故事，如特洛伊战争，包含部分事实，但伊阿宋寻找金羊毛的过程却跨越了幻想与现实的边界。《金羊毛》中描绘的社会反映了古希腊黑暗时代的精神，这一时期的特点是迈锡尼等城市在公元前 1200 年左右衰落，几个世纪后复杂文明的复兴。社区很小，严重依赖国王或领导人的保护。这些村庄范围之外的世界十分广阔，每一片陌生的土地上都潜伏着潜在的危险。杰森的旅程从希腊中部的色萨利出发，穿过爱琴海，到达利姆诺斯岛等真实岛屿，途经险峻的山脉、波涛汹涌的大海和阴暗的森林。爱尔兰民俗学家帕德里克·科伦于 1921 年重述了《金羊毛和阿喀琉斯之前的英雄》，威利·波加尼用生动的插图重新诠释了古典希腊神话。该系列于 1922 年获得纽伯瑞奖，并多次更新和重新出版，包括 2010 年版，由波西·杰克逊系列的著名作家里克·里尔登作序。这本书围绕战争、爱情、牺牲、自私、荣誉、责任和转变等主题，编织了神、凡人和奇幻生物的故事。虽然杰森、宙斯、普罗米修斯和喀耳刻等著名人物占据了中心位置，但鲜为人知的人物也受到了关注，包括关于阿普绪尔托斯被杀、埃厄忒斯国王和莱姆尼亚少女的故事。虽然被归类为儿童读物，但其丰富、富有诗意的语言将吸引年轻和年长的读者。故事分为三个主要部分，每个部分都围绕杰森和阿尔戈英雄在美狄亚的请求下为佩利阿斯国王取回神话中的金羊毛的危险旅程展开。本系列中的神话都与杰森和金羊毛的中心故事有关。第一部分包括“阿尔戈”和“佩利阿斯国王”等故事，杰森发现佩利阿斯国王希望他得到金羊毛，这样他就可以远离王国。尽管知道这是一项艰巨的任务，杰森还是同意这样做，以成名。在第二部分中，我们看到了《女巫美狄亚》和《夺取金羊毛》等故事，其中杰森和他的朋友们面临着获得金羊毛的艰难挑战。他们必须驯服公牛，击退军队，并在美狄亚的帮助下打败一条蛇。第三部分包括《女猎手阿塔兰塔》和《忒修斯与牛头怪》等故事，“忒修斯和赫拉克勒斯等英雄面临自己的挑战和冒险。编撰这部作品集的帕德里克·科伦也是一位诗人、剧作家和小说家，以爱尔兰血统和文学贡献而闻名。
Kim Phuc Tran. 人工智能在智能制造中的应用：方法与应用。传感器，2021 年。�hal-03544235�
1. Henning, K. 实施工业 4.0 战略计划的建议；美国国家科学与工程院：华盛顿特区，美国，2013 年。 2. Nguyen, H.；Tran, K.；Zeng, X.；Koehl, L.；Castagliola, P.；Bruniaux, P. 智能工厂中的工业物联网、大数据和人工智能：调查与展望。ISSAT 国际商业、金融和工业数据科学会议论文集，越南岘港，2019 年 7 月 5 日至 9 日。 3. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Yi, C. 基于深度强化学习的多标准决策支持系统，用于优化纺织化学工艺。计算机。 Ind. 2021 ，125 ，103373。4. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Yi, C. 使用基于深度 Q 网络的多智能体强化学习对纺织制造过程进行多目标优化。J. Manuf. Syst. 2021 ，即将出版。5. He, Z.；Tran, KP；Thomassey, S.；Zeng, X.；Xu, J.；Changhai, Y. 使用极限学习机、支持向量回归和随机森林对活性染色棉的褪色臭氧化进行建模。文本。Res. J. 2020 ，90 ，896–908。6. Huong, TT；Bac, TP；Long, DM；Luong, TD；Dan, NM；Thang, BD； Tran, KP 使用工业控制系统中的异常检测检测网络攻击：一种联邦学习方法。Comput. Ind. 2021，132，103509。7. Frank, AG；Dalenogare, LS；Ayala, NF 工业 4.0 技术：制造公司的实施模式。Int. J. Prod. Econ. 2019，210，15–26。8. Alcácer, V.；Cruz-Machado, V. 扫描工业 4.0：制造系统技术文献综述。Eng. Sci. Technol. Int. J. 2019，22，899–919。9. Song, Z.；Sun, Y.；Wan, J.；Liang, P. 面向服务制造信息物理系统的数据质量管理。Comput. Electr. Eng. 2017 ，64 ，34–44。10. 徐勇；孙勇；万建；刘晓玲；宋哲。工业大数据故障诊断：分类、评论和应用。IEEE Access 2017 ，5 ，17368–17380。11. 黄PM；李CH 使用深度学习和传感器融合估计刀具磨损和表面粗糙度发展。传感器 2021 ，21 ，5338，doi：10.3390/s21165338。12. 金TH；金HR；Cho, YJ 通过深度学习进行产品检测方法概述。传感器 2021 ，21 ，5039，doi：10.3390/s21155039。13. 黄YC； Chen, YH 使用长短期记忆预测牙科空气涡轮手机在铣削过程中的剩余使用寿命和退化评估。传感器 2021，21，4978，doi：10.3390/s21154978。14. Kim, J.；Ko, J.；Choi, H.；Kim, H. 通过跳跃连接卷积自动编码器使用深度学习检测印刷电路板缺陷。传感器 2021，21，4968，doi：10.3390/s21154968。15. Xia, K.；Saidy, C.；Kirkpatrick, M.；Anumbe, N.；Sheth, A.；Harik, R. 走向机器视觉系统的语义集成以帮助理解制造事件。传感器 2021 , 21 , 4276,doi:10.3390/s21134276。16. Sharma, S.；Koehl, L.；Bruniaux, P.；Zeng, X.；Wang, Z. 开发智能数据驱动系统以推荐个性化时装设计解决方案。传感器 2021，21，4239，doi：10.3390/s21124239。17. Yang, S.；Xu, Z.；Wang, J. 通过深度强化学习实现动态排列流水车间的智能调度决策。传感器 2021，21，1019，doi：10.3390/s21031019。