• 傅里葉神經(jīng)算子作為二維和三維瑞利-貝納德對流現(xiàn)象的數(shù)據(jù)驅動替代模型

  本文提出基于Fourier Neural Operator（FNO）的模型，用于近似二維和三維Rayleigh-Bénard對流系統(tǒng)的離散時間流圖。實驗表明FNO在預測準確性和穩(wěn)定性上優(yōu)于LRAN，并與U-Net表現(xiàn)相當，同時具備零樣本超分辨率能力，物理預測結果更接近真實數(shù)據(jù)。

  來源：Neurocomputing

  時間：2026-03-01

• 在傳輸速率限制下，非智能傳感器的數(shù)據(jù)傳輸策略

  最優(yōu)數(shù)據(jù)包丟失持續(xù)時間（PLD）的非智能傳感器傳輸策略研究，通過建立估計誤差協(xié)方差動態(tài)模型和馬爾可夫鏈描述傳輸率約束，推導出無需本地計算的最優(yōu)閾值表達式，并驗證其在機器人系統(tǒng)中的有效性。

  來源：Neurocomputing

  時間：2026-03-01

• ViSP：一種基于PPO框架的多模態(tài)諷刺生成系統(tǒng)，采用對比學習技術

  多模態(tài)諷刺生成研究提出M2SaG數(shù)據(jù)集與ViSP框架，融合PPO強化學習與對比學習提升生成質量，實驗顯示其優(yōu)于文本模型、VLM及LLMs，Sarcasm Score達0.898，事實不匹配度0.768。

  來源：Neurocomputing

  時間：2026-03-01

• 基于雙向多閾值LIF神經(jīng)元的輕量高效脈沖UNet模型

  脈沖神經(jīng)網(wǎng)絡（SNNs）因事件驅動和生物可解釋性在邊緣圖像處理中潛力顯著，但傳統(tǒng)LIF/IF神經(jīng)元單閾值觸發(fā)導致膜電位強度和負向信息丟失。本文提出雙向多閾值LIF（BMT-LIF）神經(jīng)元模型，通過可學習的雙向多級閾值編碼有效緩解信息損失，并構建輕量化高效SNN-UNet（LES-UNet）架構，參數(shù)量較傳統(tǒng)U-Net減少94%，同時設計多閾值梯度貢獻機制實現(xiàn)直接訓練。實驗表明，在DRIVE圖像分割數(shù)據(jù)集上3步內F1達0.820，BSD68去噪數(shù)據(jù)集PSNR達28.76 dB，較傳統(tǒng)架構顯著提升推理速度與處理效果。

  來源：Neurocomputing

  時間：2026-03-01

• 針對大規(guī)模高光譜圖像（HSI）的高效超像素引導的全局-局部光譜聚類方法

  高光譜圖像聚類方法中，傳統(tǒng)譜聚類計算復雜度高，本文提出ESGLGC模型，通過超像素分割（ERS算法）降低維度，構建全局圖（圖卷積子空間學習）和局部多層圖，融合后提升聚類精度與效率。

  來源：Neurocomputing

  時間：2026-03-01

• 基于歷史可靠性的雙重對比哈希算法，用于在標簽存在噪聲的情況下實現(xiàn)魯棒的跨模態(tài)檢索

  跨模態(tài)哈希在噪聲標簽和模態(tài)差距共存時通過歷史損失引導的標簽可靠性估計和雙對比學習模塊提升檢索魯棒性，實驗驗證其優(yōu)于現(xiàn)有方法。

  來源：Neurocomputing

  時間：2026-03-01

• 基于神經(jīng)網(wǎng)絡的視頻編碼中，具有壓縮偽影檢測能力的增量學習方法

  壓縮感知的增量學習與神經(jīng)參考幀合成研究。通過構建多級壓縮數(shù)據(jù)集并采用恒定量化參數(shù)差距的增量學習策略，有效緩解了傳統(tǒng)神經(jīng)視頻編碼模型訓練中的壓縮不均衡問題，顯著提升了VVC框架下參考幀生成的編碼效率，在低延遲和高隨機訪問配置中分別實現(xiàn)4.64%-12.31%的B-j metric速率下降。

  來源：Neurocomputing

  時間：2026-03-01

• 用于多模態(tài)情感分析的解耦超圖建模

  多模態(tài)情感分析提出解耦超圖建模方法，通過分離模態(tài)無關特征與模態(tài)特定特征，動態(tài)加權融合機制平衡跨模態(tài)交互與intra-模態(tài)表示，顯著提升CMU數(shù)據(jù)集性能。

  來源：Neurocomputing

  時間：2026-03-01

• 用于圖節(jié)點表示的隨機伊辛模型

  隨機共振與Ising模型結合的圖學習框架RIM4G提出，通過spin動力學編碼節(jié)點表示，整合圖拓撲與輸入特征，在七個節(jié)點分類任務中表現(xiàn)與GNN/Transformer相當且更適用于神經(jīng)形態(tài)硬件。

  來源：Neurocomputing

  時間：2026-03-01

• 邁向多語言倉庫級別的代碼生成：從零開始到指導式任務

  提出ReCode-bench多語言倉庫級代碼生成基準，涵蓋從零開始創(chuàng)建項目及結構/功能導向開發(fā)任務，并設計RepoGenesis框架整合結構相似性、語法正確性和功能有效性的三維獎勵機制，實驗顯示經(jīng)訓練的Qwen2.5-Coder-7B表現(xiàn)接近Claude-Sonnet-4。

  來源：Neurocomputing

  時間：2026-03-01

• 增強薄弱環(huán)節(jié)，協(xié)調強勢部分：一種用于跨機器故障診斷的聯(lián)邦增強型迭代學習框架

  Xiaoxi Hu等提出Federated Enhanced Iterative Learning（FedEIL）框架，通過迭代聯(lián)邦通信和自適應權重融合算法解決工業(yè)故障診斷中的非獨立同分布數(shù)據(jù)與本地缺失標簽問題，在保護隱私前提下提升跨設備診斷精度。

  來源：Neurocomputing

  時間：2026-03-01

• 一種無監(jiān)督的開集識別方法，用于實現(xiàn)與用戶無關的人類活動識別

  針對穿戴式傳感器的人體活動識別中的跨主體適應和開放集識別雙重挑戰(zhàn)，本文提出無監(jiān)督域適應方法UCOHAR。該方法通過預訓練源域模型生成特征和概率標簽，利用時間索引選擇鄰近樣本進行協(xié)方差矩陣聚類，結合熵閾值區(qū)分已知和未知類別。實驗表明，UCOHAR在四個公開數(shù)據(jù)集上顯著優(yōu)于現(xiàn)有方法，有效解決了實際應用中的用戶適應和未知活動識別問題。

  來源：Neurocomputing

  時間：2026-03-01

• 無聊作為一種認知資源利用的穩(wěn)態(tài)機制——基于脈沖神經(jīng)網(wǎng)絡的解釋

  本研究提出基于脈沖神經(jīng)網(wǎng)絡（SNN）的閉環(huán)控制模型，模擬無聊感作為信號調節(jié)認知資源分配，通過動態(tài)調整神經(jīng)元群體活動維持最佳參與度。實驗驗證該模型能有效應對輸入變化并穩(wěn)定認知資源利用，為腦啟發(fā)AI的情感計算提供新框架。

  來源：Neurocomputing

  時間：2026-03-01

• 核近似方法的比較分析與集成架構：Nystr?m、RFF、Kernel Thinning與新型NORF的性能評估及集成應用研究

  為應對核方法在處理大規(guī)模數(shù)據(jù)時面臨的二次計算復雜度挑戰(zhàn)，本研究首次系統(tǒng)比較了四種主流的核近似方法——Nystr?m、隨機傅里葉特征(RFF)、Kernel Thinning (KT)及本研究提出的新型神經(jīng)正交隨機特征(NORF)——在支持向量機(KSVM)框架下的性能。研究發(fā)現(xiàn)，Nystr?m在綜合性能和集成潛力上表現(xiàn)最佳，NORF則能顯著增加預測多樣性，不依賴預定義核。這些方法構成的集成模型在性能上與標準KSVM相近，但訓練時間大幅縮短，為解決核方法的可擴展性問題提供了高效、實用的新思路。

  來源：Neurocomputing

  時間：2026-03-01

• ACVAE：一種基于注意力的對比變分自編碼器，用于識別自閉癥譜系障礙（ASD）亞群及其與基因表達的關聯(lián)

  基于高階時空連接性的注意力對比變分自編碼器模型研究，揭示自閉癥譜系障礙（ASD）亞組特征及與基因表達關聯(lián)。通過整合ABIDE數(shù)據(jù)集的靜息態(tài)fMRI動態(tài)連接性矩陣，構建ACVAE模型分離ToM、DMN、CEN、SN網(wǎng)絡的高階協(xié)變模式，成功識別與臨床亞型（ATD/APD/PDD）匹配的三個ASD亞組（F1=0.88），并驗證其與Allen腦圖譜基因表達譜的關聯(lián)性。首次實現(xiàn)神經(jīng)影像與基因組學的跨模態(tài)亞組劃分。

  來源：Neurocomputing

  時間：2026-03-01

• 綜述：神經(jīng)性厭食癥心臟內感受準確性的系統(tǒng)評價和薈萃分析

  這篇綜述通過對16項研究的薈萃分析，探討了神經(jīng)性厭食癥（AN）患者心臟內感受準確性（IAcc）的現(xiàn)狀。結果表明，AN患者與健康對照（HC）在心跳計數(shù)任務（HBCT）表現(xiàn)上無顯著差異。然而，病程是唯一顯著的調節(jié)因素，提示任何潛在的IAcc缺陷可能僅限于疾病早期。文章強調了當前研究幾乎完全依賴HBCT的局限性，并指出未來需要開發(fā)替代評估方法、考慮內感受的多維概念及進行縱向研究，以更全面地理解內感受在AN中的潛在作用。

  來源：International Journal of Eating Disorders

  時間：2026-03-01

• 基于電活性模板聚合物合成分子受體的谷氨酸持續(xù)監(jiān)測：邁向高時空分辨神經(jīng)化學傳感新策略

  本文介紹了一種創(chuàng)新的、非酶依賴性谷氨酸（Glu）電化學傳感器。該傳感器利用谷氨酸分子模板化的刺激響應聚合物（poly (NIPAM-VP-MAA)-g-Os(bpy)2Cl）作為合成受體，通過靶標結合誘導的聚合物構象變化（折疊/展開）產(chǎn)生可逆的電化學信號（SWV）。該傳感器在人工腦脊液（ACSF）和小鼠血清中實現(xiàn)了高選擇性、約1分鐘時間分辨率的谷氨酸實時監(jiān)測，為研究神經(jīng)精神疾病中的谷氨酸能信號傳導提供了極具潛力的新工具。

  來源：Analyst

  時間：2026-03-01

• 綜述：昌迪普拉病毒(CHPV)研究動物模型的全面評述

  本文系統(tǒng)回顧了昌迪普拉病毒（一種主要在印度兒童中引起嚴重急性腦炎的病原體）研究中使用的動物模型。文章重點闡述了，盡管大型家畜和實驗動物在感染后可發(fā)生血清學轉換，但以幼年小鼠為代表的鼠類模型，因其不成熟的血腦屏障（BBB）和類似人類的年齡依賴性易感性，已成為研究CHPV神經(jīng)嗜性、致病機制、免疫反應，以及評估候選疫苗（如基于G蛋白的重組疫苗、滅活疫苗）和潛在療法（如小干擾RNA、米諾環(huán)素、法匹拉韋）不可或缺的臨床前工具，并指出了現(xiàn)有模型的局限性和未來研究方向。

  來源：Discover Viruses

  時間：2026-03-01

• 綜述：電生理學檢查在腰椎管狹窄癥（LSCS）中的作用：一項系統(tǒng)性回顧

  本文系統(tǒng)性回顧了近年（2020-2024年）電生理學檢查在腰椎管狹窄癥（LSCS）診斷中的應用。文章指出，雖然腰椎MRI是檢測椎管狹窄的金標準，但其與臨床癥狀相關性差。電生理學方法，如肌電圖（EMG）、神經(jīng)傳導研究（NCS）和誘發(fā)電位（MEP和SEP），可提供神經(jīng)功能障礙的補充信息。既往指南推薦將椎旁肌電圖（EMG）映射作為有癥狀且影像學證實狹窄患者的金標準（B級推薦），但其應用有限。近年的研究熱點轉向結合表面肌電圖（sEMG）與步態(tài)分析等無創(chuàng)方法，以評估LSCS患者的肌肉激活模式和代償性步態(tài)適應。總體而言，針極EMG是診斷神經(jīng)根病變的成熟方法，但其對LSCS本身的敏感性有限，新興的非侵入性功能評估手段展現(xiàn)了潛力。

  來源：Spine

  時間：2026-03-01

• 間歇性氣壓壓縮與漸進式壓力襪的聯(lián)合使用在胸腰段轉移瘤分離手術中預防深靜脈血栓的形成：是必需的還是可選的？

  預防脊柱轉移癌術后DVT：聯(lián)合IPC與GCS在嚴重神經(jīng)損傷患者中更有效

  來源：Spine

  時間：2026-03-01

知名企業(yè)招聘：