• 基于“最近邻”准则的混合数据聚类

  • 提出了一种新的TNC框架，用于高效地进行混合数据聚类。 • 建立了MTNCIS理论，以实现精确的自然簇划分。 • 该方法避免了预先定义簇数和严格的分布假设。 • 该方法考虑了实例之间的双向相似性，从而提高了聚类的准确性。 ### 引言 数据聚类是一种将对

  来源：Neurocomputing

  时间：2026-10-18

• 基于门控-概率-注意力融合模糊辨识网络与软演员-评论家方法的伺服进给系统在线联合参数辨识

  # 论文分析报告 这是一篇关于**伺服送料系统在线参数联合辨识**的研究论文，提出了一种结合模糊神经网络与强化学习的创新方法。以下是详细分析： --- ## 一、研究背景与问题 ### 核心问题 当温度、湿度、负载、内外扰动和工况发生变化时，伺服系统的**转动惯量**

  来源：Neurocomputing

  时间：2026-10-18

• 为语言模型服务及源自语言模型的语义认知

  神经网络语言模型（LMs）在展现复杂语义行为方面的成功，引发了关于它们在多大程度上与人类概念知识兼容的疑问，以及它们是否也能推进我们对语义认知的理解。本短文探讨了语言模型与语义认知之间这种潜在的双向联系。具体而言，我回顾了用于建立语言模型中概念知识的结构与功能的各种方法论，这

  来源：Current Opinion in Behavioral Sciences

  时间：2026-10-18

• 请提供需要翻译的内容

  nociplastic pain（伤害感受塑性疼痛）是继伤害感受性疼痛和神经病理性疼痛之后，于2017年被国际疼痛研究协会（IASP）采纳的第三种机制性疼痛描述术语。其定义为"源于伤害感受改变"的疼痛，且不能完全由伤害感受性或神经病理性疼痛机制解释。外周和/或中枢敏化通常存

  来源：PAIN

  时间：2026-10-18

• 用于鲁棒太阳能电池板裂纹分类的自适应神经模糊融合多方差激活机制

  摘要 光伏系统（PV）的可靠性受微裂纹和结构缺陷的严重影响，这些缺陷会降低能量效率和长期稳定性。传统的人工检查技术，包括目视检查和专家对电致发光（EL）图像的评估，耗时费力、主观性强且易受人为错误影响。深度学习，特别是卷积神经网络（CNNs）的最新进展在自动化裂纹检测方面显示

  来源：Optik

  时间：2026-10-18

• 基于物理约束的TCN-KAN框架的多时间范围船舶轨迹预测

  •提出了一种统一的 TCN–KAN–PINN 用于多视距轨迹预测。•样本特定的 TCN 融合捕捉多时间尺度的船舶运动。•线性 KAN 残差头建模运动趋势和非线性校正。•运动学监督提高了 5 分钟、15 分钟和 30 分钟视距下真实 AIS 的准确性。引言海运在全球贸易中发挥着

  来源：Ocean Engineering

  时间：2026-10-18

• 面向类别不平衡节点分类：因果启发的不变表示解耦

  - CIRD解耦潜在因子，增强节点表示的可解释性。 - CIRD挖掘不变信息以实现鲁棒的类别不平衡分类。 - CIRD在各种不平衡设置下超越传统的类别平衡方法。 **引言** 节点分类是图分析中的基础任务，在社交网络分析[1], [2]、推荐系统[3], [4]、生物网络

  来源：Knowledge-Based Systems

  时间：2026-10-18

• GeoSeq-EGNN：一种用于预测内在无序区域中短线性基序的几何-序列融合等变图神经网络

  ● GeoSeq-EGNN整合了一维序列与三维空间动力学信息，用于预测短线性基序（SLiMs）。● 该模型将混合等变消息传递（GLH-EMPL）与双向长短期记忆网络（BiLSTM）相结合。● 自适应坐标更新和动态门控机制可有效防止网络过度平滑。● 置信度感知焦点损失函数有效缓

  来源：Journal of Molecular Graphics and Modelling

  时间：2026-10-18

• 低强度血流限制间歇骑行与高强度间歇训练对休闲训练青少年男性自行车运动员神经肌肉适应及其短期维持的对比

  摘要目的比较两种不同的间歇骑行方案在休闲训练的青少年男性骑行者中的等速和骑行肌电图结果的变化及其两周维持情况：低强度血流限制（BFR）骑行和常规高强度间歇训练（HIIT）。这种直接对比弥补了青少年在限制骑行后神经肌肉适应短期维持方面证据有限的不足。方法40名男性骑行者（年龄1

  来源：Sport Sciences for Health

  时间：2026-10-18

• 比例时滞微分方程的物理信息神经网络：正问题和反问题

  # 摘要 比例延迟微分方程模型描述了依赖于按比例缩放的历史状态的系统，其应用涵盖天体物理学、工程学和生物学等领域。然而，比例延迟可能跨越一个宽阔的、随时间变化的范围，并依赖于任意接近初始时间的状态。因此，传统的基于离散化的方法，特别是有限差分型方法，需要对延迟参数进行仔细处

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-10-18

知名企业招聘：