• 用于股票价格预测的鲁棒双路径时空图神经网络

  • 一种通过双路径聚合进行金融时空建模的新框架。• 一种强大的图构建策略，能够抑制局部异常。• 在中国和美国市场的广泛实验验证了该方法的有效性。 引言 股票价格预测是金融工程中的一个重要问题，一直受到学术界和工业界的持续关注。其目标是从历史交易数据中推断未来市场趋势，以支持投资

  来源：Pattern Recognition

  时间：2026-08-30

• 高功能自闭症学龄儿童的近似数量系统处理能力：来自事件相关电位研究的行为与神经学证据

  摘要 背景 近似数系统（ANS）是数学发展的基础，但在自闭症谱系障碍（ASD）儿童中，其特点和神经机制仍不清楚。尽管ASD患者常见数学困难，但非符号数量处理缺陷是否对此有贡献以及感知因素如何调节这种处理仍需研究。本研究通过检查感知分组（连通性）是否对高功能自闭症（HFA）

  来源：Neuropsychologia

  时间：2026-08-30

• 幅度稳定的切片超图引导的三阶分数阶时空张量，用于红外小目标检测

  摘要 在复杂的动态背景下，红外小目标的检测仍然具有挑战性，这主要是由于目标强度弱、结构杂乱以及跨帧响应不稳定。为了解决这些问题，本文提出了一种基于振幅稳定的切片超图引导的三阶分数阶时空张量模型（SHFCTM）。具体来说，首先将红外序列表示为一个时空张量，并将完整的帧切片视为超图节

  来源：Neurocomputing

  时间：2026-08-30

• 结构熵引导的图神经网络用于含分布外数据的半监督图分类

  摘要 半监督图学习处理分布外（OOD）样本的研究已引起广泛关注，因为在现实世界的应用场景中，OOD情况十分普遍，尤其是当有标签图仅占整个数据集的极小部分时。然而，大多数现有方法主要聚焦于OOD检测。尽管已有少数方法被提出用于处理含OOD设置的半监督图分类问题，但它们往往因分

  来源：Neurocomputing

  时间：2026-08-30

• 一种具有结构意识的进化框架，用于在复杂图上进行学习

  摘要：图神经网络通常通过梯度下降进行训练，其中图作为固定输入而非优化过程中的积极参与者。我们提出了EFSA，这是一种具有结构意识的进化框架，它将图的谱属性——即标准化的拉普拉斯矩阵、低频特征向量以及衍生的拓扑描述符——注入进化优化器的三个主要组成部分中。适应度函数通过狄利克雷能量

  来源：Neurocomputing

  时间：2026-08-30

• 综述：多模态假新闻检测全面综述：技术、挑战与未来方向

  摘要 社交媒体的兴起加速了虚假新闻的泛滥。尽管多模态学习在虚假新闻检测（FND）方面取得了显著进展，但研究社区鲜有全面综述能够联合分析多模态虚假新闻检测（MFND）的全过程。为弥补这一空白，本文回顾了MFND领域的最新进展、关键方法和挑战。具体而言，我们引入了一个面向流水线

  来源：Neurocomputing

  时间：2026-08-30

• 综述：基于提示的攻击与防御在大型语言模型中的研究：威胁模型、分类体系及评估实践的系统性综述

  摘要：大型语言模型（LLMs）越来越多地被集成到应用程序中，这些应用程序结合了用户提示、检索到的文档、外部文件、工具输出和代理工作流程。这种集成扩大了基于LLM的系统的攻击面，并使得基于提示的攻击成为可能，这些攻击不仅通过直接的用户输入进行，还可以通过推理过程中整合的上下文信息来

  来源：Neurocomputing

  时间：2026-08-30

• 动态RAG与混合检索技术：一种提升大型语言模型鲁棒性的新方法，同时有助于防止幻觉现象的出现

  **摘要** 检索增强生成（Retrieval-Augmented Generation, RAG）模型已成为使语言模型利用外部信息的一种流行方法。然而，RAG模型寻找和使用这些信息的方式还不够先进，这可能导致问题，如获取错误信息或编造内容（即“幻觉”现象）。为了解决这些挑战

  来源：Neurocomputing

  时间：2026-08-30

• BDF：一种用于物联网应用分类任务的双层数据融合方法

  摘要 物联网应用通常使用广泛部署的传感器来感知物理过程，通常表示为与时间相关的序列，即时间序列数据。理解物理过程需要从原始时间序列的多个变换域中挖掘潜在信息。对于下游任务来说，充分学习原始数据中隐藏的多域信息并在之后进行融合非常关键。因此，我们提出了一种新的双层数据融合（BD

  来源：Neurocomputing

  时间：2026-08-30

• AnchorNav：基于锚点协同验证与语义空间先验的免训练物体目标导航

  # 摘要 具身物体导航旨在使自主智能体能够探索复杂的未知环境并精确定位目标物体，是高级机器人任务执行的基础能力。然而，复杂的室内环境对目标物体定位提出了双重挑战。首先，目标物体容易受到遮挡、视角变化和背景干扰的影响，使精确定位本身具有固有的困难性。其次，当同一类别的多个实例

  来源：Neurocomputing

  时间：2026-08-30

知名企业招聘：