• 基于微腔激光的光子水库计算随机建模：从信息处理能力的角度出发

  Juncheng Huang | Tao Wang | Kathy Lüdge | Yanan Han | Shuiying Xiang | Yue Hao中国西安电子科技大学通信工程学院综合服务网络国家重点实验室，710071摘要随着对高效时间处理需求的不断增长，冯·诺伊曼架构的局限性日益凸显，这使得光子时延存储计算（TDRC）成为一种有吸引力的替代方案。我们开发了一个基于半导体微腔激光器的TDRC随机建模框架，并利用信息处理能力（IPC）来量化线性存储与非线性计算之间的权衡。系统参数的全面扫描揭示了最佳虚拟节点间距、在合理τ/T比率下的共振退化现象，以及通过自发发射耦合（β）影响的激光器尺

  来源：Neural Networks

  时间：2025-12-11

• 扭曲卷积网络（TCNs）：增强非空间数据分类中的特征交互作用

  本文提出了一种新型深度学习架构——Twisted Convolutional Networks（TCNs），专门针对特征无序且无空间关联的一维数据进行分类任务。作者通过五组跨领域实验（医学诊断、政策分析、合成数据、化学计量学、健康医疗）验证了TCNs在特征交互建模方面的突破性进展，其核心贡献体现在以下三个层面：一、创新性的特征交互建模机制TCNs摒弃传统CNN的局部空间卷积操作，转而采用"扭转卷积"机制。该机制通过显式组合特征子集实现多维度交互，具体包含两个创新方向：1. 多阶交互生成：允许网络在单层中同时处理二元、三元甚至四元特征交互，相比DeepSets等模型仅处理固定阶数的交互方式，显著

  来源：Neural Networks

  时间：2025-12-11

• FFTNet：基于fNIRS的频率增强型补丁网络，用于驾驶疲劳检测

  功能性近红外光谱成像（fNIRS）作为一种非侵入性脑功能监测技术，因其实时性、便携性和对运动伪影的鲁棒性，近年来在驾驶疲劳检测领域展现出独特价值。传统方法多依赖人工特征提取与经典机器学习算法，如统计特征（均值、峰值等）结合支持向量机或随机森林模型，这类方法存在两大固有缺陷：其一，难以有效建模神经信号中既包含局部时序特征（如特定脑区节律性血氧变化）又存在全局依赖关系（如跨脑区功能网络协同）的复杂特性；其二，忽略频域信息的挖掘，而神经信号中的周期性波动往往携带关键生理状态信息。针对上述问题，研究团队提出融合时频域特征的多尺度建模方法。该方案创新性地将图像分割领域的Patch Embedding技术

  来源：Neural Networks

  时间：2025-12-11

• ASRL：通过固定正交分类器实现具有抗相关性的行人特征识别

  行人属性识别（PAR）是计算机视觉领域的重要研究方向，其核心目标是通过图像准确识别行人的多种二进制属性特征。传统方法采用通用特征提取网络结合线性分类器进行联合训练，但这种设计模式存在三个关键问题：首先，共享特征空间的维度随属性组合数量呈指数级增长，当属性数量达到C时，特征类别将增至2^C种，导致特征分布过于分散；其次，行人图像在相同属性类别下存在显著的空间和光照差异，造成类内方差过大；第三，不同属性间存在统计相关性，例如"裤子"属性与"年龄18-60岁"属性在数据集中出现概率高达72%，这种关联性会导致分类器权重向量方向趋同，产生混淆效应。针对这些挑战，该研究提出了一种名为Attribute-

  来源：Neural Networks

  时间：2025-12-11

• 基于动机驱动的发展网络的移动机器人脑启发式行为决策机制

  本研究针对移动机器人在未知环境中行为决策面临的计算效率不足与长期学习能力下降问题，提出了一种融合深度学习与神经科学原理的改进模型。该模型通过三重创新机制突破传统技术瓶颈，在复杂动态场景中展现出显著优势。在问题背景方面，移动机器人作为人机协同的核心载体，其应用已渗透到智能制造、精准农业、医疗机器人、军事系统及太空探索等多个前沿领域。然而现有系统普遍存在两大技术瓶颈：其一，传统强化学习算法在高维状态空间中难以保持计算效率，尤其当环境维度超过200时，模型收敛速度和稳定性急剧下降；其二，长期任务执行中，神经元持续激活导致的"年龄增长"现象使学习效能衰减，这在持续工作场景（如工业巡检机器人）中尤为明显

  来源：Neural Networks

  时间：2025-12-11

• 用于多尺度太阳辐照度预测的二维时变函数建模框架

  本文提出了一种名为2D-TFM（2D时间变异函数建模）的创新框架，旨在解决太阳能辐照度预测中的多尺度时间序列建模难题。该框架通过将1D时间序列转化为2D功能序列表示，结合自适应结点放置算法和LSTM网络，实现了长周期、高精度的预测能力，并在多个基准测试中展现出显著优势。### 核心问题与挑战太阳能辐照度预测面临两大核心挑战：1. **多尺度动态耦合**：数据同时包含分钟级、小时级、日尺度等多重周期性波动，且不同时间尺度的动态相互交织。例如，短时天气变化（分钟级）与日间光照周期（日尺度）共同作用，形成复杂的时间序列模式。2. **传统模型的局限性**： - **统计模型**（如ARIMA、V

  来源：Neural Networks

  时间：2025-12-11

• 全脑模型霍普菲尔德动力学中尺度依赖性机制的证据

  该研究通过对比两种不同的脑动力学模型，揭示了大脑信息传递机制与湍流动力学的相似性及其内在复杂性。研究团队构建了离散时间Hopfield大脑模型，并基于Schaefer脑分区图谱的1000个区域节点进行仿真，发现其标度指数与连续Hopf振荡器模型高度吻合，但具体数值存在差异，这为理解大脑动力学提供了新的视角。**核心发现与机制解析**1. **模型对比与标度行为验证** 研究发现，即使采用截然不同的动力学框架（连续振荡器vs离散二进制状态更新），当连接权重符合实证的指数衰减规律（衰减长度δ≈5.5mm）时，两种模型均展现出类似湍流的结构标度行为。但离散模型下的标度指数α≈0.4，显著低于

  来源：Neural Networks

  时间：2025-12-11

• 迈向公平且保护隐私的图神经网络统一框架

  随着图神经网络（GNN）在信用评分、虚假评论检测等高风险场景的广泛应用，公平性保障与隐私保护之间的矛盾日益凸显。传统方法往往将公平性提升与隐私保护作为独立任务处理，但二者存在深层次关联：当采用基于距离的公平性约束时，节点会因敏感属性相似形成聚类，反而加剧隐私泄露风险。针对这一核心矛盾，研究者提出了FPGNN（公平与隐私保护GNN）框架，通过构建统一优化机制实现三大目标——促进个体公平性、抵御属性推断攻击、保持模型实用性，并进一步衍生出PL-FPGNN应对差分隐私场景下的挑战。一、研究背景与问题定位当前GNN在医疗诊断等敏感领域应用时面临双重困境：一方面需确保类似个体获得相似结果（如收入相近的用

  来源：Neural Networks

  时间：2025-12-11

• 分层强化学习中的扩展记忆机制在长水平任务中的应用

  在现实世界的强化学习任务中，部分可观测性和长时依赖性长期制约着算法性能。当前主流方法如堆叠（stacking）、循环神经网络（RNN）和Transformer等存在明显局限：堆叠方法因固定长度记忆窗口难以适应超长任务；传统RNN虽具备理论无限记忆能力，但实际应用中存在梯度消失和遗忘效应；Transformer虽能捕捉长距离依赖，却需要完整的任务序列输入，导致计算复杂度激增。针对这些痛点，研究团队提出DAM-HRL框架，通过分层记忆机制突破长时任务瓶颈。### 核心问题与技术挑战在部分可观测长时任务中，智能体需要处理两类关键矛盾：一是环境状态与实际观测的异步性矛盾，二是决策周期与任务长度的比例性

  来源：Neural Networks

  时间：2025-12-11

• PointCore：一种高效的无监督点云异常检测框架，利用联合的局部-全局特征

  在三维点云异常检测领域，研究者们正致力于解决传统方法存在的计算复杂度高、特征匹配误差大等问题。2025年发表于《IEEE Transactions on Pattern Analysis and Machine Intelligence》的论文，通过创新性地构建统一记忆库架构和引入动态归一化评分机制，显著提升了检测效率与定位精度。该研究团队由华南理工大学未来技术学院的多位学者组成，他们在工业质检与自动驾驶等关键领域取得突破性进展。当前主流的三维点云异常检测方法存在两大技术瓶颈。首先，传统架构采用分离式特征存储机制，分别建立几何特征记忆库和语义特征记忆库。这种设计虽能保留局部空间信息与全局语义特

  来源：Neural Networks

  时间：2025-12-11

• 一种结合神经心理学和神经影像学数据的视觉-语言模型，用于提升阿尔茨海默病中轻度认知障碍（MCI）的识别能力

  阿尔茨海默病（AD）的早期诊断难题及其多模态融合解决方案研究阿尔茨海默病作为全球性神经退行性疾病，其诊断过程面临复杂挑战。临床实践中，轻度认知障碍（MCI）与阿尔茨海默病早期阶段的鉴别存在显著困难，主要源于神经影像学检查结果与临床神经心理评估之间的矛盾。传统影像分析多依赖结构或代谢指标的单维度评估，难以捕捉疾病发展的多维特征。2023年发表于《Nature Machine Intelligence》的跨模态融合诊断研究，通过创新性构建视觉语言模型（VLM）架构，在四项核心诊断任务中实现性能突破，特别是在MCI早期识别方面展现出显著优势。神经影像学特征与临床评估的冲突是当前诊断的主要障碍。磁共振

  来源：Neural Networks

  时间：2025-12-11

• 代码转换中的认知因素：针对Bentahila和Davies（1992）的研究

  Nora Kennis与Holly P. Branigan两位学者在《Cognition of Bilingualism: 30 years later》中系统梳理了30年来关于双语者语言切换行为认知机制的研究进展。该研究以Bentahila和Davies（1992）的经典论文为起点，重点分析了语言主导性、词汇获取、认知控制及交互语境四个维度的研究演变，揭示了语言切换行为背后复杂的心理与社会因素交互作用机制。语言主导性作为核心变量贯穿研究始终。早期研究显示，语言主导性不仅影响双语者在日常对话中的语言选择偏好，更与认知资源分配模式存在关联。实验表明，非主导语言在词汇提取时存在显著加工延迟，且其语

  来源：Journal of Neuroscience Methods

  时间：2025-12-11

• 综述：探索癌症相关认知障碍的自我意识：对证据、方法及神经生物学关联的综述性研究

  癌症幸存者认知自我意识研究进展与挑战一、研究背景与核心问题癌症相关认知障碍（CRCI）已成为肿瘤 survivors普遍面临的健康问题。数据显示，约16%-60%的幸存者存在持续性认知症状，包括记忆减退、注意力分散和工作记忆受损。值得注意的是，这种主观认知体验与客观神经心理学测试结果之间普遍存在矛盾：多数患者自述存在认知困难，但测试成绩却在正常范围内；部分个体虽存在客观认知损害，却未能察觉自身问题。这种主客观数据的背离现象，在神经心理学领域被称为"无意识症"，但在肿瘤学领域仍缺乏系统研究。二、研究方法与文献覆盖范围研究团队采用PRISMA-ScR框架，系统检索PubMed数据库2000-202

  来源：Frontiers in Neurology

  时间：2025-12-11

• 偏头痛患者脑顺应性的评估：在门诊诊所中使用无创颅内监测技术

  本研究通过非侵入性颅内监测技术，探讨了脑顺应性曲线在偏头痛亚型鉴别中的临床价值。研究团队采用前瞻性横断面设计，纳入巴西坎皮纳格兰德慢性疼痛专科门诊的50例慢性头痛患者，其中25例为无先兆偏头痛（MWhA），24例为有先兆偏头痛（MwA）。通过分析脑顺应性监测曲线的P2/P1比值、峰值时间（TTP）等参数，结合人口学特征和临床病史，揭示了两组在颅内动态调节机制上的差异。1的异常脑顺应性特征，显著高于MWhA组的36%（p<0.05）。性别分布呈现显著不平衡性，女性占比78%（40/50），且女性组P2/P1比值普遍高于男性组。年龄因素同样重要，中青年（35岁以下）患者异常脑顺应性发生率达68%，

  来源：Frontiers in Neurology

  时间：2025-12-11

• 皮瓣转移与颅骨成形术后的并发症相关：一项回顾性队列研究

  颅骨修补术（CP）后并发症的发生率与皮肤瓣移位存在显著关联，这一结论在近期一项针对148例患者的回顾性研究中得到验证。该研究通过系统分析临床数据与影像学指标，揭示了皮肤瓣移位距离超过13.55毫米时，患者出现术后并发症的风险增加至常规水平的3.24倍，为优化手术方案提供了重要依据。研究背景显示，CP作为颅骨缺损修复的常规术式，其术后并发症仍较普遍。现有文献多聚焦于患者基础疾病、手术时机、材料选择等传统因素，但对术中力学因素对预后的影响关注不足。皮肤瓣移位作为影响颅骨解剖结构稳定性的关键参数，可能通过改变局部微环境促进并发症发生。这种关联性在临床实践中常被忽视，导致术后管理缺乏针对性。研究方法采

  来源：Frontiers in Neurology

  时间：2025-12-11

• 用于跨数据集情感识别的统一生理信号交互网络

  摘要：情绪识别在情感计算中仍然是一项具有挑战性但又至关重要的任务，它涵盖了从心理学到人机交互等多个领域。本研究提出了一种新的方法，通过将多模态生理信号交互网络与图神经网络相结合来提高情绪识别的准确性。我们探讨了五种用于构建生理信号网络的无向功能连接性方法：皮尔逊相关系数、最大信息系数、相位锁定值、相位滞后指数以及时间延迟稳定性（TDS）。这些方法能够捕捉脑电图（EEG）特征波形与外围信号（心电图、呼吸和皮肤电导）之间的关系。将构建出的生理信号网络与提取的波形特征结合后，输入到图注意力网络（GATs）和图同构网络（GINs）中进行情绪分类。我们的模型在DEAP数据集上进行了训练，并在MAHNOB

  来源：IEEE Transactions on Cognitive and Developmental Systems

  时间：2025-12-11

• 节奏预期的计算建模：视角、陷阱与前景

  本文系统梳理了当前三大类节奏认知模型——同步模型、概率模型和时间守恒模型，并深入分析了其理论框架、技术路径与局限性。研究指出，现有模型在解释层次、输入输出形式、学习机制等方面存在显著差异，亟需建立统一的理论框架和方法论体系。### 一、节奏认知模型的三大范式1. **同步模型（Entrainment Models）** - 理论基础：基于神经振荡机制，强调大脑内置节律器与外部节奏的相位对齐 - 核心特征： * 采用线性/非线性振荡器组合模拟神经共振现象 * 包含自持振荡机制（如Beyond-the-Beat模型） * 能解释EEG频谱峰值与行为同步现象 -

  来源：PLOS Computational Biology

  时间：2025-12-11

• 急性脑损伤患者的自由输血策略与限制性输血策略：一项随机对照试验的系统回顾和荟萃分析

  近年来，急性脑损伤（包括创伤性脑损伤和出血性脑损伤）患者贫血问题备受关注。研究表明，此类患者贫血发生率高达46%，而传统 transfusion 策略常通过提升血红蛋白水平改善脑氧供。然而，transfusion 可能引发感染、血栓等并发症，且不同策略的临床效果存在争议。为此，研究者通过系统性综述和元分析，整合六项随机对照试验（涉及2599例患者），对比 restrictive（血红蛋白<7g/dL时 transfuse）和 liberal（血红蛋白<9g/dL时 transfuse）策略的疗效与安全性。在核心疗效指标方面，两项主要神经功能预后（unfavorable neurological

  来源：Baylor University Medical Center Proceedings

  时间：2025-12-11

• 颅内动脉粥样硬化斑块特征与全脑小血管疾病负担的相关性：一项关于分支动脉粥样硬化疾病的回顾性研究

  该研究聚焦于急性缺血性卒中患者中分支动脉粥样硬化性病变（BAD）的颅内大动脉斑块特征与脑小血管疾病（CSVD）影像学指标及总负荷的关联性。研究团队通过高分辨率磁共振成像（HR-MRI）技术，系统评估了MCA M1段非stenotic斑块的特征参数，并探讨其与WMHs、CMBs、腔隙性梗死及总CSVD负荷的独立相关性。以下从研究背景、技术方法、核心发现及临床启示四个维度进行解读。一、研究背景与科学问题脑小血管病变（CSVD）作为年龄相关性神经血管疾病的核心病理特征，其与颅内大动脉粥样硬化性病变（ICAS）的相互作用机制尚未完全阐明。尽管既往研究证实ICAS与CSVD存在共病现象，但关于非sten

  来源：International Journal of Neuroscience

  时间：2025-12-11

• 基于深度学习的人工智能模型预测口腔鳞状细胞癌患者生存率：一项整合多因素个体化预后的创新研究

  口腔癌是全球日益严峻的健康问题，其中口腔鳞状细胞癌(Oral Squamous Cell Carcinoma, OSCC)占所有口腔癌的90%以上。尽管诊断技术和治疗策略不断进步，OSCC的发病率仍在持续上升，其高侵袭性和转移能力导致高死亡率和高致残率。目前，OSCC的5年生存率约为50%，早期诊断患者的生存率可达84%，而晚期（III、IV期）诊断的患者生存率骤降至39%，凸显了早期诊断和精准预后评估的紧迫性。传统的OSCC生存预测主要依赖美国癌症联合委员会(AJCC)第8版TNM分期系统，虽然该分期系统提供了合理的预测准确性，但存在明显局限：分期差异会导致预后判断不准确，且TNM分期未能充

  来源：Scientific Reports

  时间：2025-12-11

知名企业招聘：