根据2022年5月科睿唯安Essential Science Indicators最新数据，9999js金沙老品牌赵明航讲师、钟诗胜教授、付旭云副教授等在2020年发表于中科院大类1区Top期刊IEEE Transactions on Industrial Informatics（IF=10.215）的论文Deep Residual Shrinkage Networks for Fault Diagnosis，入选了高倍引论文、热点论文，目前被引用131次；在2021年发表于中科院大类1区Top期刊IEEE Transactions on Industrial Electronics（IF=8.236）的论文Deep Residual Networks With Adaptively Parametric Rectifier Linear Units for Fault Diagnosis入选了高被引论文，引用量为28次。高被引论文是指在相同时间段内发表的、被引频次位于该领域全球前1%的论文。热点论文是指近2年发表的、在近2个月内被引频次位于该领域全球前0.1%的论文。

上述首篇论文原创性地提出了一种新的深度学习方法——深度残差收缩网络（DRSN），来提高深度学习方法从强噪声信号中学习特征的能力，并且取得较高的机械故障诊断准确率。首先，软阈值化作为非线性层，嵌入到深度神经网络之中，以消除不重要的特征。然后，考虑到软阈值化中的阈值是难以设定的，DRSN采用了一个子网络，来自动地设置这些阈值，从而避免了信号处理相关的专业知识。该方法在2021年世界人工智能大会上受到世界工程组织联合会主席、清华大学原副校长龚克的正面评价，被国内外学者迅速验证了其在众多领域的应用价值，包括卫星遥感、雷达目标识别、太赫兹波检测、微泄漏超声识别、电力系统暂态稳定评估等，有力促进了相关领域的发展。