• 综述：临床行动呼吁——发展转化神经科学如何催化青少年物质使用治疗：以 ADAPT 为例

  摘要随着该领域更加积极地认识到青少年神经、社会和行为发展的独特方面，显然成人成瘾模型与发育中大脑的本质、青少年物质使用行为以及青少年物质使用治疗中的行为结果是不一致的。本综述强调了发育转化神经科学如何通过告知和指导更有效、针对神经发育的青少年治疗方案的创建和实施来解决这一差距

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-08-26

• 生命早期铅暴露诱导的小鼠认知功能障碍中 Keap1/Nrf2 介导的铁死亡

  •早期铅暴露诱导小鼠神经元铁死亡及随后的长期认知障碍。 •铅暴露激活 Keap1 并抑制 Nrf2 抗氧化通路，导致海马中下游抗氧化和铁代谢相关蛋白失调。 •通过增加的脂质过氧化和降低的谷胱甘肽过氧化物酶活性验证了铅触发的铁死亡，并伴有神经元 APP 表达上调。 •Keap1

  来源：NeuroToxicology

  时间：2026-08-26

• 综述：重构运动技能组织：手术环境中的动态、机制与影响

  •利手性、灵巧性和专长是熟练运动行为的主要调节因素。•由于运动表现和学习条件的挑战性，手术放大了利手性 - 灵巧性 - 专长的意义。•专家行为表现出适应性控制，这是运动技能组织高级水平的特征。•最佳表现源于先天倾向与后天能力之间的协同作用。引言运动技能是人类功能的基础，支持从

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-08-26

• 综述：语法加工与算术加工在大脑中如何关联？一项 ALE 元分析

  •语法和算术显示出共享和领域特异性的神经基础。 •语法特异性区域主要位于岛周区。 •算术特异性区域是双侧的，并涉及顶叶皮层。 •重叠区域涉及左侧化的多重需求区域。 •语法与算术的重叠反映的是领域一般性过程，而非语言过程。 引言 大量研究记录了语言与数学技能之间的关联（综述见

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-08-26

• 用于高光谱异常检测的空谱注意力增强 U 形盲点网络

  摘要 近年来，基于盲点网络的高光谱异常检测（HAD）算法已取得了良好的检测精度。然而，现有方法在捕获全局信息方面仍存在不足，且往往忽略了背景的多类属性，这进一步限制了它们的检测精度。为解决这些问题，本文提出了一种用于高光谱异常检测的空谱注意力增强 U 型盲点网络（SubNet

  来源：Neural Networks

  时间：2026-08-26

• TopicCL：基于主题建模的视觉概念解释

  •提出了一种名为主题概念学习（TopicCL）的统一无监督概念解释框架。 •设计了一种基于球面柯西分布的超球面概念变分自编码器（C-VAE）来发现视觉概念。 •引入了一种球面消融评分（SAS）方法来量化概念对模型决策的贡献。 •采用平均重建误差（mRE）来评估概念在捕捉预测信

  来源：Pattern Recognition

  时间：2026-08-26

• 高效地对基于文本的人物搜索模型CLIP进行调优

  摘要 基于文本的人物搜索的核心挑战在于弥合视觉和语言之间的跨模态异构性差距，以实现文本描述与行人图像之间的准确匹配。现有方法要么依赖于大量标注样本来训练专用的跨模态模型，要么在预训练模型（如CLIP（对比语言-图像预训练）上进行全参数微调。这些方法不仅消耗大量的计算资源，还倾向于

  来源：Neurocomputing

  时间：2026-08-26

• 用于非线性力学响应预测的分层拉普拉斯卷积神经网络求解器

  **摘要** 本文提出了一种分层拉普拉斯卷积神经求解器（HL-CNS），这是一种基于物理的神经多网格框架，用于预测非线性力学响应。所提出的方法将多网格V循环的误差校正路径直接嵌入到可学习的神经架构中，同时通过数据自适应的拉普拉斯核来表示底层微分算子。基于残差的神经网络用于模拟

  来源：Neurocomputing

  时间：2026-08-26

• 基于IB（Intensive Banking）模型的自适应滤波与考虑资源预留的对比度正则化的可靠时间图表示学习方法

  摘要 时间图表示学习是许多信息系统的基础。其中一个核心挑战是，在构建上下文时支持时间预测的历史证据可能很稀疏，在潜在融合过程中可能被扭曲，或者受到模糊辅助监督的误导。为了解决这一挑战，本文提出了IBERG（一种受信息瓶颈启发的方法），用于提高时间图表示学习的可靠性。IBERG将预

  来源：Neurocomputing

  时间：2026-08-26

• 综述：多实例多标签学习：理论、分类体系及现代方法——一项综述性研究

  摘要：多实例多标签（MIML）学习解决了现实世界中普遍存在的问题，即每个样本包含多个实例，并且同时与多个类别标签相关联。自2006年正式提出以来，MIML已经从一个理论上的奇观发展成为一个多功能框架，涵盖了图像注释、文本分类、生物信息学、医学成像和计算病理学等领域。本调查系统地审

  来源：Neurocomputing

  时间：2026-08-26

知名企业招聘：