• VVSQ：基于视觉漏洞分数（Vision Vulnerability Score）的视觉-语言模型训练后量化方法

  摘要 将传统的LLM训练后量化（PTQ）应用于视觉-语言模型（VLMs）通常会导致一种特征性的“盲目但流利”的故障模式：文本流畅性在很大程度上得以保留，而视觉推理能力却下降。先前的研究表明，校准偏向于语言的保留，因为语言标记的梯度占主导地位，但哪些层最容易受到特定模态崩溃的影响以

  来源：Neurocomputing

  时间：2026-08-24

• 桥接互信息与神经网络：一种兼具可解释性的张量视角

  摘要尽管互信息（MI）推动了神经网络的突破，但其原理仍不清楚，且传统 MI 在处理结构化张量数据时由于向量化导致空间信息丢失。为了解决这一根本局限性，我们提出了张量互信息（TMI），一种针对高阶张量的新相似度度量。TMI 通过局部子张量块捕获多维分布，并使用可测函数将其压缩为

  来源：Neurocomputing

  时间：2026-08-24

• 通过自适应正则化将空间先验整合至激活与映射中

  摘要空间先验，如平滑性、边缘保持和结构一致性，对于图像分割和去噪等密集预测任务至关重要。尽管深度学习取得了显著进展，传统网络仍然依赖于逐点激活函数，独立处理每个空间位置，且学习到的特征表示和输出映射缺乏显式的空间正则化。这导致特征演化与全局结构约束之间存在关键断层。为解决这一

  来源：Neurocomputing

  时间：2026-08-24

• 基于因子化梯度跟踪的去中心化低管秩张量估计

  摘要 本文研究了在分布式环境下具有低管秩结构的张量恢复问题。通过将感兴趣的张量分解为两个张量因子，我们使用因子分解梯度下降来计算共识解，并采用惩罚项来强制张量因子间的平衡性。为了更好地在去中心化网络上整合局部信息，采用了因子分解梯度跟踪来近似全局梯度。尽管由于张量分解导致问题

  来源：Neurocomputing

  时间：2026-08-24

• 通过强化学习实现的非线性系统神经网络数据驱动的预定义时间最优控制

  **摘要** 本文研究了具有未知动态的非线性系统的预定义时间最优控制问题。基于预定义时间稳定性理论和神经网络（NN）逼近技术，构建了一个预定义时间最优控制器。由于非线性系统动态未知，因此设计了一种积分学习算法来模拟这些不确定的非线性系统。为了实现预定义时间最优控制器，开发了一

  来源：Neurocomputing

  时间：2026-08-24

• 一种集成物理信息神经网络的混合元启发式框架，用于公用事业系统的实时优化

  摘要 化工流程工业中的公用工程系统面临效率低下和运营成本高昂的挑战。基于混合整数非线性规划（MINLP）的传统优化框架在大规模问题中会导致严重的计算延迟和收敛不稳定性，限制了其在实时操作或数字孪生环境中的应用。为了克服传统 MINLP 方法的局限性，本研究提出了一种新型基于

  来源：Journal of Industrial and Engineering Chemistry

  时间：2026-08-24

• 关于改进 GRACE-TWSA 重构以评估水库调控区干旱及其主导因素

  •人工神经网络（ANN）提高了重建精度，相关系数（CC）为 0.93–0.99，纳什效率系数（NSE）为 0.80–0.99，均方根误差（RMSE）为 1.18–4.31 厘米。 •纳入地表水储量（SWS）和地下水储量（GWS）可使模型性能（RMSE）提升高达两倍。 •该提出

  来源：Physics and Chemistry of the Earth, Parts A/B/C

  时间：2026-08-24

• MinT：用于图像去雨的多尺度隐式神经变换器

  `` • MinT 将去雨处理定义为跨尺度表示学习。 • 特定尺度的 Transformer 分

  来源：Pattern Recognition Letters

  时间：2026-08-24

• 一种基于特征增强和参数化物理信息的神经网络方法，用于预测圆形水产养殖池中的三维流场

  •开发了一种FA-pPINN模型，用于预测圆形水箱中基于入口角度的流场。•引入了RANS物理残差和非负涡粘性约束，以提高预测流场的物理一致性。•利用基于CFD的后验融合校准来减少训练集中未包含的入口角度情况下的系统偏差。•该模型能够在固定几何形状、固定边界条件和预定义的入口角度范

  来源：Ocean Engineering

  时间：2026-08-24

• TS-PINN：一种基于双源理论的用于蒸散量估算的双分支物理信息神经网络

  •TSEB 同构双分支架构解耦了双源能量通量。 •自适应多物理约束确保严格的物理一致性。 •TS-PINN 在不同地表类型上实现了优异的准确性和可解释性。 引言 蒸散发 (ET) 是水循环的关键组成部分，对于理解陆地与大气之间的能量和水汽交换至关重要。因此，准确估算地表感热

  来源：Journal of Hydrology

  时间：2026-08-24

知名企业招聘：