• 针对神经发育和认知功能的干预措施在患有严重急性营养不良的幼儿中的效果：一项系统综述

  摘要背景重度急性营养不良（SAM）患儿的死亡率已显著下降。然而，关于 SAM 治疗对儿童神经发育影响的研究尚不够充分。本系统综述旨在评估各种干预措施对 SAM 儿童神经发育的疗效。方法纳入标准为纳入符合世界卫生组织（WHO）定义的 SAM 诊断标准的儿童的研究。eligibl

  来源：Nutrition

  时间：2026-08-21

• MKG-attention：面向忠实视频问答的预算感知多模态图检索

  摘要：视频问答（VideoQA）在支持证据存在噪声、时间分散或不完整时仍然脆弱。单次检索 - 阅读流水线可能会错过短暂但决定性的时刻，无法连接跨场景的证据，或者将长字幕流视为无差别的上下文，从而削弱接地性并增加不受支持的声称。我们提出了 MKG-Attention，这是一种针

  来源：Neurocomputing

  时间：2026-08-21

• LQTARanker：一种基于排名的任务导向低质量图像评估框架

  摘要传统低质量图像增强主要优化视觉保真度，这可能无法转化为更好的下游检测效果，并可能引入不必要的计算。我们提出了 LQTARanker，一个面向任务的评估框架，它预测增强引起的检测增益 ΔF1，并将其符号作为增强与否的决策信号。LQTARanker 结合了具有空间感知能力的辅

  来源：Neurocomputing

  时间：2026-08-21

• 增强跨数据集脑电微状态解码：一种频段依赖框架与双向长短期记忆网络

  摘要 脑电图 (EEG) 微状态分析是研究动态脑网络的关键工具。然而，跨数据集应用中的鲁棒性有限严重限制了模型的泛化能力和临床效用。这一问题的产生是因为不同频段的微状态对数据异质性表现出不同的反应，然而这一关键因素缺乏系统调查和量化，导致在脑机接口等领域缺乏最佳频段选择的理论

  来源：Neurocomputing

  时间：2026-08-21

• CFTrack: 利用几何增强 Transformer 解决 3D 点云跟踪中的中心与特征模糊性

  摘要：基于点云的 3D 单目标跟踪 (3D SOT) 是自动驾驶和机器人感知中的基本任务。然而，由于严重的稀疏性、不规则的点分布和频繁的遮挡，在激光雷达点云中进行可靠跟踪仍然具有挑战性。这些因素通常导致特征表示模糊和模板中心定位不准确。为了解决这些挑战，我们提出了 CFTra

  来源：Neurocomputing

  时间：2026-08-21

• 基于饱和度感知与事件引导的扩散网络，用于超高速成像中的严重过曝光图像重建

  摘要 超高速度成像系统本质上容易受到严重的过曝影响，因为极短的采集间隔、有限的传感器动态范围以及瞬间的强光照射容易导致局部区域超出相机的可测量响应范围。一旦发生饱和，受影响的像素将变得无法观测：强度、纹理和与运动相关的结构会被截断而不仅仅是降级。这使得传统的HDR重建和基于帧

  来源：Neurocomputing

  时间：2026-08-21

• 置信度加权语义熵：大语言模型中幻觉检测与不确定性估计的鲁棒框架

  摘要 大型语言模型（LLMs）经常生成事实上错误但语言流畅的回答，这使得在随机解码下，可靠的不确定性估计对于幻觉检测至关重要。现有的基于熵的方法表现出互补的弱点：预测熵（PE）通过将同义回答视为不同的结果而高估不确定性，而语义熵（SE）虽然折叠了释义，但假设集群权重均匀，忽略

  来源：Neurocomputing

  时间：2026-08-21

• 新闻标识器：使用统计方法和强大的双向长短期记忆网络（Bi-LSTM）来识别人工智能生成的内容

  摘要在线社交网络已成为持续生成大量人工智能（AI）生成/人类创作内容不可或缺的工具。然而，尽管取得了这些进展，AI生成的内容仍然引入了对抗性示例，并在可靠性方面带来了重大挑战。可靠地理解此类内容对于自然语言处理和社交计算任务至关重要，它在错误信息识别、社交媒体分析以及影响公共讨论

  来源：Neurocomputing

  时间：2026-08-21

• 结合自适应缩放与避障的领导者 - 跟随者仿射编队机动控制

  摘要 本文探讨了受限区域中的仿射编队机动控制问题。提出了一种具有自适应缩放和避障功能的领航 - 跟随仿射编队机动框架，以增强编队跟踪性能以及在通过受限区域时的安全性。首先，设计分布式平均跟踪（DAT）算法，以保证期望编队规模能够响应人工势场（APFs）。然后，为每个领航者设计

  来源：Neurocomputing

  时间：2026-08-21

• DABP：通过感知灵敏度的门控机制实现的双增强预算通道剪除技术

  摘要深度卷积神经网络（CNN）在广泛的计算机视觉任务中表现优异，但对资源受限的设备而言仍具有较高的计算要求。结构化通道剪枝通过去除冗余通道和滤波器来降低模型复杂性；然而，现有方法通常依赖于启发式策略或计算成本较高的方法，缺乏对压缩过程的精确控制，并且在训练过程中难以保持性能。在这

  来源：Neurocomputing

  时间：2026-08-21

知名企业招聘：