• 解释神经网络：分层反向传播集成学习

  摘要：深度模型以其复杂的结构和端到端优化特性而著称，在基于现实世界数据提供决策支持方面表现出色。然而，它们决策过程的透明度不足以及难以解释单个神经元的作用，限制了其在许多关键和敏感领域的实际应用。本文受到神经网络与集成模型之间相似性的启发——在集成模型中，性能是通过多个“弱学习器”的协作来实现的。本文提出了一种新的视角，将神经网络重新定义为层次化的集成系统。我们提出了层次化反向传播集成（HBE）模型，在该模型中，每个神经元既作为基础学习器，同时也作为前一层神经元集成的一部分。这一框架将集成学习技术应用于神经网络，使每个神经元能够专注于特定的子任务，同时逐步构建出一个满足全局目标的网络。在真实世

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 一种具有精确预设时间收敛特性的混合增益ZNN算法，适用于时变LMVI问题，并将其应用于UR机器人臂和多智能体系统

  摘要：时变增益归零神经网络（TVG-ZNNs）是解决时变线性矩阵-向量不等式（TVLMVIs）最有效的工具之一。尽管带有复杂非线性激活函数的TVG-ZNNs能够在有限或预定义的时间内有效收敛，但它们会带来较高的计算成本，并且在精确预定义其实际收敛时间方面存在挑战。相比之下，带有线性激活函数的TVG-ZNNs虽然计算成本较低，但在有限或预定义时间内难以实现收敛。此外，大多数现有TVG-ZNNs的增益值会随时间增加，从而导致计算成本显著上升。为了解决这些矛盾问题，我们提出了一种新型的混合增益ZNN（HG-ZNN-WNAF），该网络不使用非线性激活函数，适用于有噪声和无噪声的环境。具体来说，我们巧妙

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• LaMI-GO：基于潜在混合模型的目标导向通信技术，实现高效频谱利用

  摘要：近年来，语义化通信方式的兴起推动了目标导向通信（GO-COMs）的发展，使得多媒体信息传输变得更加高效。GO-COMs的概念利用先进的人工智能（AI）工具来满足在边缘计算和物联网（IoT）等应用中对带宽效率日益增长的需求。与传统专注于源数据准确性的通信系统不同，GO-COMs提供了智能的消息传递方式，以满足接收端完成下游任务所需的特殊需求。在这项工作中，我们提出了一个新颖的GO-COM框架——LaMI-GO，该框架利用新兴的生成式AI技术来实现更高的服务质量（QoS）和超高的通信效率。具体而言，我们的LaMI-GO系统架构基于潜在扩散模型，并结合了向量量化生成对抗网络（VQGAN）来实现

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• HET：一种用于特定发射体识别的高效高频增强变压器

  摘要：在无线通信和雷达系统等各种应用中，特定发射体识别（SEI）是一项关键任务。传统Transformer的低通特性限制了高频特征信息的提取，从而导致SEI性能不佳。此外，引入额外的高频感知结构虽然可以提高计算密集型Transformer的计算效率，但也会增加其复杂性。为了解决这些问题，我们提出了一种名为HET的高频增强型低复杂度Transformer。该框架集成了多头低复杂度自注意力（MLSA）模块、高频增强连接以及多头高频增强低复杂度自注意力（MESA）模块。MLSA模块通过键值映射降低了计算复杂度；MESA模块和高频增强连接模块通过重构特征的低频和高频成分来捕获高频信息。我们基于不同的增

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 通过带有“最小值”约束的双上限Lp范数距离度量学习鲁棒判别投影

  摘要：近年来，基于鲁棒范数距离的线性判别分析（LDA）技术发展迅速，在特征提取领域受到了广泛关注。然而，一个尚未解决的问题是：虽然成功抑制了异常值，但可能会无意中影响对正常点的准确判别。为了解决这个问题，我们在本文中研究了一种新的鲁棒LDA方法，该方法采用双上限Lp范数距离（CLD）度量，并结合最小值约束（DCLDA）来学习鲁棒的判别投影，在这种方法中，正常点和异常值被分别处理。具体来说，所提出的模型使用带有“最小值”约束的双上限Lp范数来度量类间和类内的分散程度。该模型通过Lp范数有效确保了对正常点的准确判别，同时消除了由于较大的p值可能导致的异常值的过度影响。由于问题的非凸性和非光滑性，求

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 通过固定点方程实现黎曼双层次优化中的黎曼隐式微分

  摘要：各种黎曼优化任务，如黎曼元优化（RMO）和黎曼元学习，可以表述为黎曼双层优化问题（即内层优化和外层优化）。隐式微分在解决RMO时表现出有效性，它将外层梯度的计算与内层过程分离，避免了巨大的计算负担。然而，将隐式微分扩展到其他黎曼双层优化任务并非易事，因为这需要大量专家参与针对每个任务进行单独的推导。在本文中，我们提出了一种黎曼隐式微分方法，该方法为外层梯度提供了一个统一的表达式，从而可以更灵活地应用于其他任务，并减少专家的参与度。具体来说，我们将内层优化表述为一个不动点方程的求解过程，通过这种方式，不同任务之间的内层优化被统一地表述出来。通过对不动点方程进行微分，我们得到了外层梯度的统一

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 基于模糊逻辑的神经自适应容错控制技术，用于具有随机干扰和非对称间距约束的车辆编队

  摘要：本文介绍了一种新型的模糊逻辑增强型神经自适应滑模控制（FLENNSMC）框架，该框架专为面临多重挑战的车辆车队系统而设计。通过结合模糊逻辑的解释能力和神经网络的自适应学习功能，FLENNSMC能够有效应对非线性动态、随机干扰、执行器故障以及严格的非对称间距约束。我们提出了一种Takagi–Sugeno（T-S）模糊模型来构建学习过程，并采用模糊逻辑增强型RBFNN（FLERBFNN）来稳健地逼近未知函数，包括未建模的动态和故障信号。控制器设计中包含了容错控制机制以提高鲁棒性，使用了非对称屏障李雅普诺夫函数（BLF）来严格满足间距约束，以及Nussbaum函数来补偿方向未知的执行器故障。模

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 具有误差约束的多玩家系统的自适应最优规定性能跟踪解决方案

  摘要：本文介绍了基于自适应评论家学习方案的多人非线性系统的自适应最优性能跟踪解决方案，其中跟踪误差被限制在预定义的有界范围内。首先，提出了多人非线性系统的一般最优跟踪解决方案。每个玩家的最优跟踪解决方案由稳态部分和自适应反馈部分组成。稳态部分可以根据跟踪信号和系统动态直接获得。然后，通过规定的性能约束和自适应评论家学习来研究自适应反馈部分，使得多个价值函数在误差约束下达到纳什均衡。此外，利用李雅普诺夫算法分析了评论家网络权重的收敛性。最后，通过仿真结果和实验验证了所提出方法的良好性能。

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 通过记忆雨天特征和重放机制实现更好的去雨化泛化

  摘要：当前的图像去雨方法主要依赖于有限的数据集进行学习，因此在面对多样化的实际雨天环境时表现不佳。为了解决这个问题，我们提出了一个新的框架，该框架使网络能够通过利用不断增长的数据集来逐步扩展其去雨知识库，从而显著提升其适应性。我们的方法借鉴了人类大脑持续从经验中学习并进行泛化的能力，采用了互补学习系统的机制。具体来说，我们首先使用生成对抗网络（GANs）来捕捉和保留新数据的独特特征，这类似于海马体在学习和记忆中的作用。然后，去雨网络同时使用现有数据和GAN生成的数据进行训练，模仿海马体重放和交错学习的过程。此外，我们还利用重放数据进行知识蒸馏，以复制海马体重放触发的新皮层活动模式与现有新皮层知

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 蝴蝶残差网络：一种结合光谱变换和深度卷积的混合方法，用于高光谱图像超分辨率处理

  摘要：高光谱图像（HSI）超分辨率重建是一个具有挑战性的病态逆问题，其目标是通过整合高分辨率多光谱图像（HR-MSI）中的互补信息来提升低分辨率高光谱图像（LR-HSI）的空间分辨率，最终生成高分辨率的高光谱图像（HR-HSI）。现有方法通常采用残差连接和深度层堆叠来促进信息传播。虽然残差连接能够有效保持梯度流动，但我们观察到，在高维光谱任务中简单增加网络深度可能会导致特征冗余和性能饱和。为了解决这些问题，本文提出了一种新型的蝴蝶残差网络（BRNet），该网络结合了光谱变换器和深度卷积，从学习策略和特征提取两个角度优化了高光谱超分辨率重建的准确性和计算效率。在学习策略方面，提出了一种递归结构，

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 通过自适应Lasso先验实现稀疏贝叶斯广义学习系统，以增强回归的鲁棒性

  摘要：广域学习系统（BLS）作为一种创新的神经网络类型，在回归任务中表现出色。然而，大多数依赖最小二乘准则的BLS方法对异常值和噪声数据非常敏感，从而导致预测精度降低。为了提高广域学习系统的鲁棒性，本文提出了一种基于自适应Lasso先验的稀疏贝叶斯BLS（AL-SBBLS）方法，用于处理受异常值和噪声污染的数据。具体而言，首先应用自适应Lasso约束来增强输出权重的稀疏性，从而便于自动选择高度相关的特征。随后构建了一个多层贝叶斯框架，为输出权重提供自适应Lasso先验，使模型能够自适应学习正则化因子并估计输出值的概率分布，同时进一步简化网络结构。通过选择高度相关的特征并估计输出值的概率分布，可

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2025-11-25

• 用于可重构分子双极晶体管开关的分子轨道门控的非挥发性转变

  分子电子学为实现设备的最小化提供了有前景的途径，但在一个可靠的固态晶体管平台上实现多种功能（如非易失性的双极开关）仍然是一个挑战。在这里，我们报道了一种可重构的分子晶体管开关，该开关通过将烷硫醇自组装单层（SAM）通道与单层石墨烯和铁电聚合物栅极垂直集成来实现。顶部栅极的铁电极化允许相对于分子轨道非易失性地调节石墨烯的费米能级。这还使得在同一分子通道内实现从空穴主导导带到电子主导导带的可逆切换，从而有效地创建了一个双极开关。通过栅极和漏极偏压以及分子种类的改变，可以按需重新配置这种开关导通行为。该设备在100次循环后仍表现出稳定的非易失性切换性能，并且数据保留时间可达10^3秒。此外，利用栅极

  来源：ACS Nano

  时间：2025-11-25

• 综述：沉浸式虚拟现实与非沉浸式严肃游戏在轻度认知障碍认知训练中的应用：一项系统评价和网络荟萃分析

  虚拟现实（VR）和严肃游戏（SG）作为新兴的数字干预手段，在老年人轻度认知障碍（MCI）的认知康复中展现出潜力。然而，这两种技术在改善认知功能、日常活动能力和情绪症状方面的相对效果仍不明确。本研究通过网络荟萃分析（NMA）对现有文献进行了系统梳理，旨在比较VR和SG干预与传统对照措施在多个维度上的疗效，并为临床实践提供指导。随着全球老龄化趋势的加剧，神经退行性疾病如阿尔茨海默病和轻度认知障碍的发病率持续上升，已成为影响老年人健康的重要问题。MCI患者常常面临认知能力下降、情绪障碍以及日常生活活动能力受限等挑战，这些因素不仅影响其生活质量，也给家庭和社会带来沉重负担。因此，寻找有效的非药物干预手

  来源：Gene Reports

  时间：2025-11-25

• 左乙拉西坦单药治疗及其与苯妥英的联合应用：探索儿科癫痫治疗中的新型生物标志物

  摘要 引言：癫痫是一种神经系统疾病，其特征是反复发作的癫痫发作，可能导致大脑功能长期受损。它可能对儿童的学业表现、行为、情绪调节、社会适应能力和整体发展产生不利影响。神经营养因子和炎症标志物被认为在癫痫的发病机制中起着关键作用。本研究评估了左乙拉西坦单药治疗及其与苯妥英联合治疗对癫痫患儿血清脑源性神经营养因子（BDNF）水平、白细胞介素-2（IL-2）水平以及社会适应能力/发展的影响。 方法：1至12岁的癫痫患儿被分为两组，一组接受左乙拉西坦单药治疗（n=30），另一组接受左乙拉西坦与苯

  来源：Current Neurovascular Research

  时间：2025-11-25

• 白细胞介素-4在嗅觉上皮细胞中的作用：一项初步的体外研究

  摘要 引言：嗅觉上皮（OE）由多种细胞类型组成，包括嗅觉感觉神经元（OSNs）、支持细胞和基底干细胞。虽然白细胞介素（IL-4）是2型炎症的关键介质，但其在嗅觉上皮中的调控作用尚不清楚。本研究旨在探讨IL-4在嗅觉上皮细胞中的作用。 方法：利用嗅觉上皮类器官模型，通过qPCR、免疫荧光染色和EdU掺入实验来评估IL-4对不同细胞类型的影响。通过钙成像技术研究IL-4对嗅觉感觉神经元（OSNs）的影响，同时使用Alcian Blue-Periodic Acid-Schiff（AB-PAS）

  来源：Current Neurovascular Research

  时间：2025-11-25

• 血清脂质谱作为急性脑梗死溶栓治疗后出血性转化的预测指标：一项前瞻性研究

  摘要 引言：本研究旨在探讨血清总胆固醇（TC）与高密度脂蛋白胆固醇（HDL）比值（T/H比值）对急性脑梗死（ACI）患者静脉溶栓（IVT）后出血性转化（HT）的影响。 方法：纳入了接受阿替普酶治疗的ACI患者。根据静脉溶栓后是否发生出血性转化（HT）、是否联合使用替罗非班以及患者的90天预后情况对患者进行分组。主要观察指标为出血性转化和90天预后。通过单因素和多因素分析确定出血性转化和预后的独立预测

  来源：Current Neurovascular Research

  时间：2025-11-25

• 3',4'-二羟基黄酮醇补充一周对大鼠脑缺血-再灌注后肾脏功能及远端器官损伤（表现为脂质过氧化）的影响

  摘要 引言：本研究的目的是探讨3',4'-二羟黄酮醇（DiOHF）对脑缺血-再灌注后肾脏组织中的氧化系统和抗氧化系统以及肾功能的影响，尤其是作为远端器官损伤的情况。 方法：本研究选取28只雄性Wistar-Albino大鼠，将其分为四组：对照组、假手术组、缺血-再灌注组（I/R组）和缺血-再灌注+DiOHF组。收集肾脏组织样本以分析丙二醛（MDA）和谷胱甘肽（GSH）的水平。同时，还测量了电解质（Ca、Cl、Na、K和P）以及尿素、尿酸、肌酐和尿微量蛋白的浓度。

  来源：Current Neurovascular Research

  时间：2025-11-25

• 探究与出血性中风相关的基因型免疫细胞的因果关系及其潜在机制

  摘要 引言：出血性中风是一种严重威胁人类生命和健康的疾病，其发病机制尚不明确。最近的研究发现免疫系统与出血性中风之间存在关联，但两者之间的因果关系仍不清楚。我们旨在利用孟德尔随机化（Mendelian Randomization, MR）方法来阐明免疫细胞特征与出血性中风之间的因果关系。 方法：我们从FinnGen Consortium的R10数据集中收集了731种免疫细胞特征的基因组范围关联研究（

  来源：Current Neurovascular Research

  时间：2025-11-25

• 缺血后处理通过抑制铁死亡相关基因NOX4来减轻脑缺血损伤

  摘要 引言：本研究探讨了缺血后处理（IPostC）在缺血性中风中的神经保护机制，重点关注铁死亡（ferroptosis）以及与铁死亡相关的基因NADPH氧化酶4（NOX4）的调节作用。 方法：雄性C57BL/6小鼠接受了45分钟的中脑动脉阻塞（MCAO）处理，随后进行IPostC（初始2分钟再灌注后进行三次15秒/30秒的缺血/再灌注循环）。通过RNA测序结合最小绝对收缩量选择算法（LASSO）和随

  来源：Current Neurovascular Research

  时间：2025-11-25

• 清醒状态下中风患者的昼夜心率和心率变异性模式：副交感神经调节紊乱的证据

  摘要 引言：尽管缺血性中风与自主神经系统的复杂变化有关，但清醒状态下中风（WUS）患者的心率（HR）和心率变异性（HRV）的昼夜节律仍知之甚少。本研究比较了WUS患者与非WUS患者的24小时心率和HRV模式。 方法：这项回顾性观察性病例对照研究共纳入104名急性缺血性中风患者（9例WUS，95例非WUS）。使用14天连续心电图监测仪进行HRV分析，计算了时间和频率域的HRV指标，并通过广义加性混合模型（GAMMs）调整混杂因素后评估24小时内的差异。

  来源：Current Neurovascular Research

  时间：2025-11-25

知名企业招聘：