CMES | 2023年精选文章合集(二)

文摘   科学   2024-01-26 15:07   江苏  

CMES期刊在2023年发表了多篇精选文章,我们重新梳理了这些内容,与大家共同回顾点击文中图片,查看原文。


1.  综述:数字孪生技术及其多元应用


本文展示了数字孪生的一些应用,包括航空航天,智能制造,智能交通,能源,医疗保健和智慧城市。我们还观察到数字孪生其他潜在的适用领域,未来的研究将探讨数字孪生的新应用趋势和技术进展。本文最后概述了研究数字孪生各种应用的框架,并强调了在这一领域继续研究和探索的必要性。


引用信息:Chen, H., Shao, H., Deng, X., Wang, L., Wang, X. (2024). Comprehensive Survey of the Landscape of Digital Twin Technologies and Their Diverse Applications. CMES-Computer Modeling in Engineering & Sciences, 138(1), 125–165.

扫码阅读原文


2.  探索OpenAI和ChatGPT的最新应用:一项深入调查


本研究从多个角度对OpenAI和ChatGPT的应用进行了严谨的调查,涵盖了文本到图像/视频的应用、教育辅助、临床诊断、机器学习、自然语言处理和混合工程应用等多个方面。通过对相关文献的广泛分析,本文对这些最先进语言模型的进展、潜力和局限性提供了全面和学术性的评估。


引用信息:Zhang, H., Shao, H. (2024). Exploring the Latest Applications of OpenAI and ChatGPT: An In-Depth Survey. CMES-Computer Modeling in Engineering & Sciences, 138(3), 2061–2102.

扫码阅读原文


3.  综述:具有 DNN 分布式处理的边缘智能


近年来,深度学习推动了各个领域的进步 ,包括智能医疗、自动驾驶、智能家居等。DNN 是深度学习的核心组成部分,通过提取输入的内在特征来完成图像分类和自然语言处理等任务,帮助人们实现模式识别和决策。本文讨论了数据和模型并行性的分布式处理来改进边缘计算中的深度学习任务。


引用信息:Tang, S., Cui, M., Qi, L., Xu, X. (2023). Edge Intelligence with Distributed Processing of DNNs: A Survey. CMES-Computer Modeling in Engineering & Sciences, 136(1), 5–42.

扫码阅读原文


4.  综述:居家养老无设备室内定位技术 


本综述对无设备室内定位技术进行了广泛深入的调查。提出了神经系统疾病老年人居家护理定位技术的评价标准和可能的解决方案。


引用信息:Chen, G., Cheng, L., Shao, R., Wang, Q., Wang, S. (2023). A Review of Device-Free Indoor Positioning for Home-Based Care of the Aged: Techniques and Technologies. CMES-Computer Modeling in Engineering & Sciences, 135(3), 1901–1940.

扫码阅读原文


5. 谐波平衡法:综述与近期进展


本文旨在全面回顾类谐波平衡法的发展,并阐明它们之间的主要区别。其中特别强调了时域法,同时明确讨论了著名的混淆现象。


引用信息:Yan, Z., Dai, H., Wang, Q., Atluri, S. N. (2023). Harmonic Balance Methods: A Review and Recent Developments. CMES-Computer Modeling in Engineering & Sciences, 137(2), 1419–1459.

扫码阅读原文


6. 电能质量扰动的智能检测与分类综述:趋势、方法与展望


本文总结了最新提出的和传统的电能质量扰动(PQD)检测技术,以便为刚接触相关领域的研究人员提供快速入门,并且还清楚地介绍了每种技术适用的具体场景和事例。


引用信息:Yan, Y., Chen, K., Geng, H., Fan, W., Zhou, X. (2023). A Review on Intelligent Detection and Classification of Power Quality Disturbances: Trends, Methodologies, and Prospects. CMES-Computer Modeling in Engineering & Sciences, 137(2), 1345–1379.

扫码阅读原文


往期推荐

CMES主编最新综述:“深度学习在计算力学中的应用:全面综述,最新进展以及经典

开源代码助力初学者深入探索拓扑优化研究 | CMES精选文章

CMES 热点论文推荐 | "手术器械定位算法的分析与设计"


  CMES 期刊介绍     

—————        

CMES期刊专注于刊发具有合理永久价值的原创研究论文和综述,涉及固体、流体、气体、生物材料和其他连续体的计算力学、计算物理、计算化学和计算生物学等领域。欢迎新颖的计算方法和最先进的计算算法,例如软计算、基于人工智能的机器学习方法和计算统计方法。

2022 Impact Factor

2022 Citescore

2.4

3.5

 扫码进入期刊主页

版权声明

本文由泰克赛思南京办公室负责编译。中文内容仅供参考,一切内容以英文原版为准。

如需转载,请联系 cmes@techscience.com

泰克赛思CMES
CMES-COMPUTER MODELING IN ENGINEERING & SCIENCES是一本国际开放获取期刊,目前已被SCI, SCOPUS等数据库收录。
 最新文章