Mar, 2024

BubbleID: 泡泡界面动力学分析的深度学习框架

PDF
TL;DRBubbleID 是一种先进的深度学习架构，通过 Mask R-CNN 强化分割和 SORT 跟踪技术，能够全面识别沸腾图像序列中泡沫的静态和动态属性，包括位置、尺寸、界面形状、速度以及动态事件，如泡沫离开。同时，在不同加热表面和操作设置下，BubbleID 在多种沸腾图像上进行了训练和测试，并对临界热流（CHF）状态前后的泡沫界面动力学进行了比较分析。
发现论文，激发创造
  • 利用神经操作器学习实现具有相关波动的多尺度泡泡生长动力学的尺度桥接

    利用复合神经算子模型，从微观到宏观尺度上统一分析非线性气泡动力学，包含正确的微观流体现象的随机波动，为多尺度流体动力学建模领域的未来研究指明了新方向。

    Mar, 2024

  • BubbleML: 用于机器学习的多物理数据集和基准

    利用物理驱动的模拟结果提供真实可靠的数据信息，BubbleML 数据集以及其基准测试成为多物理相变现象的机器学习驱动研究的推动因素，促进了先进技术和模型的发展和比较。

    Jul, 2023

  • LiqD: 一个针对复杂小容器的动态液位检测模型

    基于 U^2-Net 的容器动态液位检测模型能够有效检测容器中液体的动态液位变化，为相关领域提供了一种新颖高效的解决方案。

    Mar, 2024

  • 揭示深度过滤泡：短视频推荐中的狭窄曝光

    在这项研究中，我们通过在中国一家顶级短视频平台的一年交互数据，对 “深度” 筛选气泡进行了调查，该平台包括每个视频的三级类别的层次数据，我们对这种情况下的 “深度” 筛选气泡进行了形式化定义，然后在数据中探索了各种相关性，首先了解了深度筛选气泡随时间的演变，然后揭示了导致该现象的一些因素，如特定类别、用户人口统计数据和反馈类型。我们观察到，尽管筛选气泡中用户的整体比例随时间基本保持不变，但其筛选气泡的深度构成会发生变化。此外，我们发现一些具有更大可能性看到较狭窄内容和隐性反馈信号的人口群体会导致较少的筛选气泡形成。最后，我们提出了一些减少用户陷入气泡风险的推荐系统设计方法。

    Mar, 2024

  • 基于粒子驱动神经辐射场的流体动力学建模

    本研究提出了一种名为 NeuroFluid 的深度学习算法，可对复杂粒子系统（如流体）的物理动态进行建模，并能够通过训练两个模型来实现无监督学习粒子流体动力学，包括粒子驱动神经渲染器和物理转换模型。结果表明，该算法可以合理地估计不同初始形状，粘度和密度的流体的基本物理特性。

    Mar, 2022

  • ByteStack-ID：基于灰度图像的网络入侵检测的综合叠加模型，利用有效负载字节频率

    该研究论文介绍了一种针对数据包级入侵检测的创新方法 ByteStack-ID，通过利用从有效载荷数据频率分布生成的灰度图像，该方法能够更准确地识别网络流量中不同攻击类型，相较于传统依赖于流量数据的网络入侵检测系统（NIDS），ByteStack-ID 完全依赖于数据包级信息进行分析，经实验证实了其在关键性能指标（包括精确度、召回率和 F1 分数）上优于其他基准模型和最新技术，对于快速演变的网络威胁环境，ByteStack-ID 是一种强大而多功能的安全解决方案。

    Oct, 2023

  • 加密货币泡沫检测：一份新的股市数据集、金融任务和双曲模型

    该研究通过使用 NLP 技术和基于幂律动态的交易模型，探讨了加密货币和模因股票市场中由社交媒体信息产生的 “泡沫” 现象，为金融市场提供了一种分析和检测新型数字资产的方法。

    May, 2022

  • PUDD：面向鲁棒的多模态原型深度伪造检测

    提出了一种基于相似性的检测系统，通过将输入数据与已知原型进行比较，分析相似度降低，来进行视频分类，识别潜在的深度伪造图像或之前未见过的类别，PUDD 在 Celeb-DF 上达到 95.1% 的准确率，表现优于最先进的深度伪造图像检测方法，同时在推断过程中，在图像分类和深度伪造图像检测任务中表现出了良好的性能，且重新训练只需 2.7 秒，并且相对于最先进的模型，排放出的碳排放量减少了 10^5 倍，更加环保。

    Jun, 2024

  • 深度迁移学习在贻贝养殖自动化中的浮标检测改进

    使用深度学习方法提高浮标检测和管理的准确性和鲁棒性，通过使用源自新西兰贻贝养殖场的多样化数据集和迁移学习技术，研究表明深度学习通过提高鲁棒性能和跨多样的天气条件进行浮标检测的实际有效性。

    Aug, 2023

  • 3D 流场分割和分类的新型深度学习方法

    基于三维流场理论，提出了一种基于局部速度信息的分割标准和基于局部涡量与涡尾之间关系的分类标准的流场分割及分类深度学习方法，能更准确地识别涡旋结构，并在准确分类涡尾类型的同时，大幅度减少时间消耗。

    May, 2023