本研究探讨了螺栓连接设计中参数预测的准确性，结合实验数据与前馈神经网络，提出了一种新方法，预测承载能力和摩擦系数，准确率达到95.24%。尽管数据集有限，结果显示神经网络在该领域的潜力，未来将扩展数据集并探索混合建模技术。

本研究提出了一种对话上下文感知的语音识别模型，能够有效利用上下文信息，提升系统的训练和表现。通过多种方法的联合优化，显著提高了语音理解的准确性，尤其在意图和参数预测方面。实验结果表明，该模型在多个公开数据集上表现优异。

使用基于LoRA的HyperPINN模型，通过添加基于物理方程的损失组件，显著改善了模型的泛化能力，能够有效地求解参数化偏微分方程。相比其他基准模型，平均减少了8倍的参数预测，而不影响模型精度。