-
用于混合多模态生物特征认证的、经过优化的股票交易机制算法深度学习框架
摘要在包括监控、执法和智慧城市在内的高安全等级系统中，生物特征识别对于实现安全可靠的访问控制至关重要。尽管深度学习模型在生物特征识别领域表现出色，但该技术仍面临一些挑战，比如身份信息被盗用以及法律文件、护照或犯罪记录被伪造等问题。为解决这些问题，本研究提出了一种新的多模态生物特征
来源：Scientific Reports
时间：2026-08-12
-
用于社区铅污染风险评估的自监督图注意力网络
摘要住宅用水系统中的铅污染持续构成公共卫生风险，但目前的相关评估方法依赖于有限的居民样本以及未能有效体现城市系统中空间关联性的表格模型。本文提出了一种自监督图注意力网络（SSGAT），该网络利用物业级别的图结构以及基于重建的预训练方法来评估铅污染风险。通过在密歇根州弗林特市的九个
来源：Scientific Reports
时间：2026-08-12
-
一种用于网络攻击环境下电动汽车负荷预测的新型混合深度学习模型
摘要精确的短期电动汽车负载预测对于实现有效的能源管理以及确保智能电网的稳定运行至关重要。然而，随着网络攻击的日益频繁，尤其是虚假数据注入攻击，给预测模型的完整性和可靠性带来了巨大挑战。本研究提出了一种名为GAN-CLSTM的新型混合框架，该框架将生成对抗网络与卷积长短期记忆网络相
来源：Scientific Reports
时间：2026-08-12
-
基于神经网络的自适应PD控制器在六旋翼无人机路径跟踪中的应用
摘要无人飞行器，尤其是六旋翼无人机，在军事行动、监视、精准农业以及灾害救援等诸多领域展现出巨大的应用潜力。然而，其实际应用往往受到非线性动力学特性、外部干扰、系统不确定性以及传统控制方法局限性的制约。为应对这些挑战，本研究提出了一种结合神经网络的自适应比例微分控制器（NNAPD）
来源：Scientific Reports
时间：2026-08-12
-
无人机获取的RGB、多光谱与高光谱影像基于全连接神经网络进行作物残茬覆盖制图的评估
准确的作物残茬覆盖（CRC）制图对可持续农业管理十分重要，因为残茬可支持土壤健康、侵蚀控制和碳固存。传统的地面CRC方法劳动密集且空间受限，增加了对基于无人机（UAV）遥感的兴趣。UAV可搭载RGB、多光谱和高光谱传感器，捕获不同光谱信息以区分作物残茬与土壤。
来源：AgriEngineering
时间：2026-08-12
-
与叙利亚仓鼠（Mesocricetus auratus）朊病毒病进展相关的表观遗传变化
朊病毒病是致命的神经退行性疾病，其特征在于异常折叠的朊病毒蛋白诱导正常朊病毒蛋白错误折叠，导致神经毒性原纤维和斑块形成。表观遗传机制，特别是DNA甲基化（DNA methylation），日益被认为与类朊病毒病（如阿尔茨海默病）有关，但其在朊病毒病发病机制中的
-
左旋多巴加重帕金森病震颤
背景：左旋多巴被认为是帕金森病（PD）最有效的药物治疗。然而，其可引起包括多种异动症在内的副作用。罕见情况下，服用左旋多巴的PD患者报道震颤加重。该效应在临床实践中的发生率不清，现象学特征描述不足。目的：研究人员旨在评估PD患者中左旋多巴加重震颤的频率、临床特
来源：Frontiers in Neurology
时间：2026-08-12
-
人工智能整合多模态视网膜成像用于系统性血管及神经退行性疾病的早期检测与风险分层
中文摘要翻译：
背景：研究人员开发并验证了RetinalVNG-Net，这是一种多模态深度学习框架，通过整合眼底照相、光学相干断层扫描（Optical Coherence Tomography, OCT）和临床元数据，实现对高血压性视网膜病变、糖尿病视网膜
来源：Frontiers in Neurology
时间：2026-08-12
-
液-液相分离tau与Aβ寡聚体共定位并稳定其结构
蛋白质聚集是神经退行性疾病的标志，其中错误折叠蛋白积累为不溶性沉积物。新兴研究表明，液-液相分离（LLPS）可能是多种神经疾病相关蛋白从单体向淀粉样纤维转变的过渡阶段。本研究探讨了tau与淀粉样蛋白-β（Aβ）偏离路径寡聚体（off-pathway oligo
来源：Communications Chemistry
时间：2026-08-12
-
高斯混合建模层及其在端到端生成式高维聚类中的应用
摘要
目前，仅通过反向传播学习具有全协方差矩阵的多元高斯混合模型仍然是一项挑战。在这项工作中，研究人员引入了一个高斯混合建模框架，该框架通过基于梯度的反向传播学习输入数据上的通用高斯混合分布，从而能够在深度神经网络内部进行局部概率建模。所提出的实现的前向和反向
来源：Neurocomputing
时间：2026-08-12
粤公网安备 44010602000434号