“计算机科学与数学领域前沿研究”旨在每月更新计算机科学与数学领域内学术发展动态、热点话题和前沿研究，欢迎您的阅读与关注。本期将为您介绍6月计算机科学与数学领域的热点研究，主要包括：

1. 基于物理信息深度学习的交通状态估计：调查与展望

2. 使用机器学习预测足球换人可以在战术上最大化比赛优势

3. 一种新的基于人工智能的语义网络智能代理

4. 使用机器学习算法对小型感应电机进行状态监测和故障检测

5. 数字三联体：数字孪生学习的序贯方法

6. 司机可以睡觉吗？ 

7. 使用“伪共形模型”预测稠密重子物质

8. 对称感知与迷幻体验

1. 基于物理信息深度学习的交通状态估计：调查与展望

期刊：Algorithms

物理信息深度学习 (Physics-Informed Deep Learning, PIDL) 是一种混合基于物理的模型和深度神经网络 (Deep Neural Networks, DNN) 的范式，已广泛应用于科学和工程领域。将 PIDL 应用到各种领域和问题的一个关键挑战在于设计集成物理和 DNN 的计算图。本研究概述了 PIDL 计算图的各种架构设计，以及如何针对交通状态估计交通工程的核心问题 (Traffic State Estimation, TSE) 定制这些结构。研究展示了 PIDL 计算图的潜在架构，并使用相同的真实数据集来比较这些变体。

原文出自 Algorithms 期刊：Di, X.; Shi, R.; Mo, Z.; Fu, Y. Physics-Informed Deep Learning for Traffic State Estimation: A Survey and the Outlook. Algorithms 2023, 16, 305. https://doi.org/10.3390/a16060305 

2. 使用机器学习预测足球换人可以在战术上最大化比赛优势

期刊：BDCC

本研究探讨了足球比赛中及时战术换人的效果及其对比赛结果的影响。作者实施并测试使用逻辑回归 (LR)、决策树 (DT)、K 最近邻 (KNN)、支持向量机 (SVM) 等机器学习技术开发模型，并预测了球员替换。研究表明，预测换下的球员可以提供比赛优势，所取得的结果也可以为球队经理和教练决定球员替换提供有效的方法。

原文出自 BDCC 期刊：Mohandas, A.; Ahsan, M.; Haider, J. Tactically Maximize Game Advantage by Predicting Football Substitutions Using Machine Learning. Big Data Cogn. Comput. 2023, 7, 117. https://doi.org/10.3390/bdcc7020117

3. 一种新的基于人工智能的语义网络智能代理

期刊：Future Internet

由于网络犯罪对个人产生深远的经济、社会和心理影响，网络犯罪的激增已成为当代社会的一个紧迫问题。本文提出了一种新颖的网络情报解决方案，采用四个自主交互的语义代理来获取与任何特定国家相关的关键网络情报。该解决方案利用多种技术进行分析，包括卷积神经网络 (CNN)、情感分析、指数平滑等来自社交媒体和网络来源的数据，使用的数据集包含 30,706 位用户生成的 54 种语言的 37,386 条推文。

原文出自 Future Internet 期刊：Sufi, F. A New AI-Based Semantic Cyber Intelligence Agent. Future Internet 2023, 15, 231. https://doi.org/10.3390/fi15070231

4. 使用机器学习算法对小型感应电机进行状态监测和故障检测

期刊：Information

感应电动机是现代工业中最重要和最广泛使用的一类机器。大型电机通常会有内置的状态监测系统，以方便预防性维护和故障检测。该研究旨在开发基于机器学习的解决方案，用于多个小型电动机的故障检测。研究比较了解决这个问题的浅层和深度学习方法，最终发现深/浅混合系统是最有效的。

原文出自 Information 期刊：Sobhi, S.; Reshadi, M.; Zarft, N.; Terheide, A.; Dick, S. Condition Monitoring and Fault Detection in Small Induction Motors Using Machine Learning Algorithms. Information 2023, 14, 329. https://doi.org/10.3390/info14060329

5. 数字三联体：数字孪生学习的序贯方法

期刊：Mathematics

本文介绍了一种名为“数字三联体”的新方法，用于数字孪生学习，即物理系统的模拟器。数字三联体通过统计模型和试验设计构建，能够高效捕捉和表示数字孪生的复杂性，实现准确预测和可靠决策。采用序贯方法和建模方法，允许与数字孪生实时更新。研究表明，采用高斯过程回归结合顺序 MaxPro 设计在构建数字三联体方面表现最优。数字三联体在制造、医疗保健等领域有潜在应用。

原文出自 Mathematics 期刊：Zhang, X.; Lin, D.K.J.; Wang, L. Digital Triplet: A Sequential Methodology for Digital Twin Learning. Mathematics 2023, 11, 2661. https://doi.org/10.3390/math11122661

6. 司机可以睡觉吗？ 

期刊：MTI

本研究评估了不同睡眠时间后的睡眠惯性是否对驾驶和认知表现产生影响。作者分析了10~20分钟睡眠和30~60分钟睡眠后醒来，以及不睡觉对驾驶和认知的表现。研究结果表明，较短的睡眠时间并不能可靠地防止睡眠惯性。尽管驾驶参数没有显著差异，但在两种睡眠时间后，参与者主观上都比休息时感到更累。

原文出自 MTI 期刊：Schwarze, D.; Diederichs, F.; Weiser, L.; Widlroither, H.; Verhoeven, R.; Rötting, M. Are Drivers Allowed to Sleep? Sleep Inertia Effects Drivers' Performance after Different Sleep Durations in Automated Driving. Multimodal Technol. Interact. 2023, 7, 62. https://doi.org/10.3390/mti7060062

7. 使用“伪共形模型”预测稠密重子物质

期刊：Symmetry

本文对目前可用的天体物理观测结果进行了比较，重点是来自重力波的观测结果。结果表明，“伪共形模型”所做的预测几乎不需要任何参数，包括拓扑变化，这些预测或多或少保持完整，不受数据的影响。

原文出自 Symmetry 期刊：Rho, M. Dense Baryonic Matter Predicted in “Pseudo-Conformal Model”. Symmetry 2023, 15, 1271. https://doi.org/10.3390/sym15061271

8. 对称感知与迷幻体验

期刊：Symmetry

视觉对称是图像分割的线索。在强效致幻剂 N、N-二甲基色胺和视觉闪烁引起的视幻觉中，对称性表现也十分突出。本综述考虑了关于对称感知的心理物理学工作与大脑对对称的反应。作者认为对称是自动、预先注意和无意识地处理的，对反射对称的敏感性是天生的。之后回顾了对称的美学意义，以及迷幻现象学和闪烁诱导幻觉领域。

原文出自 Symmetry 期刊：Makin, A.D.J.; Roccato, M.; Karakashevska, E.; Tyson-Carr, J.; Bertamini, M. Symmetry Perception and Psychedelic Experience. Symmetry 2023, 15, 1340. https://doi.org/10.3390/sym15071340