• FedSHA：基于结构感知的异构性适配技术，用于个性化联邦图节点分类

  摘要：联邦图学习（FGL）能够在不集中原始节点特征、标签或本地图结构的情况下，基于分布式图数据训练图神经网络。在基于子图的联邦节点分类中，每个客户端仅能观察到原始图的局部视图。缺失的跨客户端邻域信息可能导致本地消息传递出现偏差，而非独立同分布的标签分布则会使不同客户端的本地目标产

  来源：Neurocomputing

  时间：2026-08-14

• 综述：从机器学习视角看间歇性时间序列预测的全面综述

  摘要：间歇性时间序列数据的特点是零值出现频率高，而非零值则较为稀少。准确的间歇性需求预测对于优化库存管理和决策具有至关重要的意义。与以往主要依赖传统数据分析方法的研究不同，本文从机器学习的角度对间歇性需求预测进行了全面综述，将其视为时间序列的一种特殊类型。文章从多个维度系统评估了

  来源：Neurocomputing

  时间：2026-08-14

• 基于自适应时空特征感知的网络弹性预测

  摘要传统的韧性预测模型由于依赖静态拓扑结构和单维时间建模，往往无法捕捉关键的时空耦合效应。为解决这一问题，我们提出了一种基于自适应时空特征感知的新的网络韧性预测模型——SANR，该模型通过三阶段框架实现突破。首先构建了时空双流架构，以便在频谱域实现动态的多特征增强；接着设计了时空

  来源：Neurocomputing

  时间：2026-08-14

• 基于模糊自编码器的进化多目标算法用于高维特征选择

  摘要：高维数据集通常包含大量无关或冗余的特征，这可能导致过拟合并增加计算复杂度。在大多数情况下，特征选择可以提高分类精度并降低特征维度，因此可视为一个多目标优化问题。近年来，多目标进化算法在多目标特征选择任务中表现出良好性能。然而，面对高维噪声数据时，它们的性能往往会下降。为解决

  来源：Neurocomputing

  时间：2026-08-14

• 基于深度的多模态早期优化用于6D姿态估计

  摘要：零样本6D物体姿态估计通常采用两阶段流程，即实例分割与姿态估计。然而，第一阶段的分割错误可能会影响点云数据，进而降低后续的配准精度，尤其是在纹理较弱、环境复杂或照明条件不佳的场景中，仅依赖RGB信息的分割往往不稳定。直接将SAM应用于原始深度图也不够理想，因为由此生成的掩码

  来源：Neurocomputing

  时间：2026-08-14

• 通过标签适配实现的自训练跨域图像分类模型

  摘要：无监督领域自适应（UDA）旨在将来自有标签源领域的知识迁移至完全无标签的目标领域，从而提升目标领域的分类性能。近年来，教师-学生自训练框架这一流行的半监督学习范式——其中学生模型通过教师模型提供的伪标签进行监督——在UDA任务中展现了显著效果。然而，传统方法通常假设在跨领域

  来源：Neurocomputing

  时间：2026-08-14

• 基于模糊掩码的超关节引导局部关联群用于自监督骨架动作识别

  摘要在基于骨架的自监督动作识别中，掩码重建方法通过重建被遮盖的特征来学习动作表示。然而，这些方法通常只建模关节之间的全局关系，而忽略了人类动作中固有的多关节局部协作关系。此外，现有的掩码策略往往依赖于低级运动特征，缺乏高级语义引导。为了解决这些问题，我们提出了一种基于超级关节引导

  来源：Neurocomputing

  时间：2026-08-14

• 基于萤火虫牧羊人优化深度卷积神经网络的电阻抗断层成像系统用于乳腺癌检测

  摘要乳腺癌是女性中最常见的癌症类型。尽管有多种检测方法，但利用电阻抗断层扫描数据准确识别乳腺癌仍是一项重大挑战。这一难题源于电阻抗断层扫描数据的复杂性，使得难以可靠地提取和解读特征以用于早期癌症检测。本研究旨在解决在早期阶段准确检测乳腺癌的问题，这对于提高患者生存率至关重要。为此

  来源：Neurocomputing

  时间：2026-08-14

• GDU-net：一种用于图像压缩感知的跨门控双域优化展开网络

  摘要：深度展开网络通过将迭代优化嵌入可学习的重建模型，推动了图像压缩感知技术的发展。然而，现有的许多深度展开网络仍采用单一的主导重建表示方式，而变换域信息主要被用作辅助先验或融合特征。此外，传统的双域融合方法并未明确指定跨域信息应如何参与各个求解步骤，从而限制了图像域结构与小波域

  来源：Neurocomputing

  时间：2026-08-14

• 新生儿重症监护室中的床旁外脑室引流：15年单中心队列的研究显示的手术效率与感染趋势

  摘要目的比较新生儿重症监护室中在床边与手术室进行外脑室引流术的操作效率，并描述培养阳性的外脑室引流相关感染情况。方法我们对2011年至2025年间在NICU接受外脑室引流术的婴儿进行了回顾性单中心队列研究。分析了不同操作环境下的手术时间及引流术的相关特征。描述了在该医院发生的培养

  来源：Child's Nervous System

  时间：2026-08-14

知名企业招聘：