The focus of this paper is on the main challenges in brain–computer interface transfer learning: how to address data characteristic length and the source domain sample selection problems caused by individual differences. To overcome the negative migration that results from feature length, we propose a migration algorithm based on mutual information transfer (MIT), which selects effective features by calculating the entropy value of the probability distribution and conditional distribution, thereby reducing negative migration and improving learning efficiency. Source domain participants who differ too much from the target domain distribution can affect the overall classification performance. On the basis of MIT, we propose the Pearson correlation coefficient source domain automatic selection algorithm (PDAS algorithm). The PDAS algorithm can automatically select the appropriate source domain participants according to the target domain distribution, which reduces the negative migration of participant data among the source domain participants, improves experimental accuracy, and greatly reduces training time. The two proposed algorithms were tested offline and online on two public datasets, and the results were compared with those from existing advanced algorithms. The experimental results showed that the MIT algorithm and the MIT + PDAS algorithm had obvious advantages.

Place quality branding has been identified as an innovative practice that promotes high-quality product development. However, a lack of sufficient theoretical research on practical cases, which presents a major challenge for place quality branding. This study constructs a multiple mediation model to investigate the mechanisms and pathways of place quality brands to improve product quality based on the perspective of advanced standards leading technological innovation. Partial least-squares structural equation modeling reveals significant direct effects of place quality brands on product quality, as well as indirect effects of place quality brands on product quality that are mediated by either advanced standards or technological innovation, or through multiple mediation pathways involving both advanced standards and technological innovation. This study enriches the connotation of place quality brand and provides decision-making guidance for governments and firms to more effectively develop place quality brands. Government can cultivate place quality brands around advanced standards and technological innovation. Meanwhile, firms can enhance their ability to apply advanced standards, better identify and grasp innovation opportunities.

Abstract The aim of this paper is to propose a novel method for identifying the hydrodynamic parameters of a deep‐sea mining vehicle during deployment and retrieval. The proposed approach combines numerical simulation with a nonlinear filter. Initially, a dedicated hydrodynamic model for the deployment and retrieval of the mining vehicle is constructed. The identification process commences with simulations based on computational fluid dynamics (CFD). This approach utilizes CFD to simulate the motion of the deep‐sea mining vehicle during deployment and retrieval, employing an implicit solution approach to analyze its motion in Heave and Yaw degrees of freedom under periodic external forces. Consequently, this provides hydrodynamic performance data. Subsequently, the unscented Kalman filter (UKF) estimator is applied to optimally solve an augmented matrix that incorporates both motion data and hydrodynamic parameters, yielding numerical values for the hydrodynamic parameters. Simulation results demonstrate that, in comparison to motion performance obtained by the CFD method, the hydrodynamic model derived from UKF enables an effective prediction of the motion of the deep‐sea mining vehicle, with prediction errors consistently below 6%.

Monitoring and understanding designers' design behaviour holds significant value for optimising the design paradigm and enhancing its quality and efficiency. This paper focuses on computer-aided conceptual design of product morphological structures, presenting a design monitoring and evaluation method driven by retrospective analysis of the association of designers' cognitive behaviour. To begin with the monitoring perspective, the article analyzes the characteristics and collection methods of three types of design cognitive behaviour data. It also provides a behaviour element sequence transcription model, encompassing cognitive behaviour encoding, sketch behaviour encoding, and hierarchical encoding of design problems. Subsequently, a quantitative analysis index system is established with three dimensions: cognitive behaviour order, design state credibility, and thinking transition stability. By retrospectively analyzing the evolutionary relationships among fundamental design cognitive behavioural elements and referring to knowledge of design cognitive behavioural laws, designers' cognitive preference type and state fluctuations can be distinguished. Finally, a hybrid fuzzy multi-attribute evaluation method is applied to filter various transcriptional combinations and calculate a comprehensive evaluation score. A real conceptual design experiment has preliminarily demonstrated the effectiveness of the introduced method.

With the high-speed and high-frequency operation of CPU chips, as well as miniaturization and dense assembly of integrated circuits, the heat generated by the Raspberry Pi CPU is constantly increasing. To address the urgent need for efficient Raspberry Pi CPU heat dissipation and ensure normal operation within a safe temperature range, this study first established a model to simulate the CPU's thermal physics parameters during operation using CFD simulation software. An experimental platform was then set up to validate the CFD simulation results. Based on the validated CFD model, initial heat dissipation design was carried out. On this basis, the heat dissipation system was optimized by altering the heat sink's length, width, fin height, thickness, spacing, and the thermal grease's thermal conductivity between the heat sink and CPU chip. A surrogate model was established using the response surface methodology, and the NSGA-II genetic algorithm was employed for multi-objective optimization of the heat dissipation system's cooling performance. Compared to the initial solution, the chip temperature was reduced by 6.19 °C, but the heat sink mass was increased by 0.65 g. By conducting multi-objective optimization design and making reasonable choices for the parameters, a suitable and an optimum design, in terms of both economics and efficiency, is obtained. These results demonstrate that this research can provide theoretical guidance and technical support for practical production. Furthermore, the methods and findings from this study can be applied to the design of heat dissipation systems for similar applications.

This research presents a novel method for identifying hydrodynamic model parameters that are essential for the deployment and recovery of deep-sea mining vehicles. The proposed methodology utilizes a gradient descent (GD)-based optimization technique to minimize a loss function specifically formulated based on the governing motion equations relevant to these processes. This approach yields more accurate hydrodynamic parameters, thereby enhancing predictive capabilities. A key aspect of this article is the comparative analysis between the proposed method and the Unscented Kalman Filter method, demonstrating that GD optimization reduces local time-series errors and exhibits greater stability. Importantly, this technique does not require evenly spaced datasets, thus simplifying data input and enhancing practical applicability. Furthermore, the ease of reusing both the GD optimizer and the loss function facilitates efficient computation of motion data for deep-sea mining vehicles, surpassing traditional filtering methods in terms of input sample data requirements. This article represents a significant advancement in the field of deep-sea vehicle dynamics by introducing a GD-based methodology for hydrodynamic parameter identification.