• 连续常模模型与传统常模模型在神经行为评估中的比较：一项模拟研究

  研究人员评估了16种在分布族、轨迹复杂度与结构上存在差异的连续常模（continuous norming）方法。近似模拟数据形态的广义可加模型（Generalized Additive Models for Location, Scale, and Shape

  来源：Research in Autism

  时间：2026-08-07

• 基于血清元素谱的机器学习模型用于阿尔茨海默病识别和认知评分预测

  背景：当前阿尔茨海默病（AD）的诊断方法主要依赖于脑脊液生物标志物和神经影像学，这些方法可能具有侵入性、成本高昂，且在常规临床环境中不易获取。研究人员调查了血清元素谱与机器学习相结合是否能为AD识别和探索性认知评分预测提供补充信息。 方法：这项回顾性横断面

  来源：Neuroprotection

  时间：2026-08-07

• 曲率感知的物理信息神经网络动态精度方法

  物理信息神经网络（Physics-informed neural networks, PINNs）已成为一种有前景的框架，通过将物理定律直接嵌入神经网络训练中来模拟偏微分方程（Partial Differential Equations, PDEs）。然而，近

  来源：Neurocomputing

  时间：2026-08-07

• 综述：通用目标跟踪深度解析：一项综述

  通用目标跟踪（Generic Object Tracking, GOT）因复杂的时空动态特性，尤其在遮挡、相似干扰物及外观变化的场景下，始终是计算机视觉领域中重要且具有挑战性的研究任务。过去二十年间，为应对上述挑战，学界相继提出了多种跟踪范式，包括基于孪生网络

  来源：Neurocomputing

  时间：2026-08-07

• 联邦时空图神经网络用于自动驾驶中隐私保护车辆轨迹预测

  准确的车辆轨迹预测在自动驾驶与智能交通系统中起着至关重要的作用。长短期记忆网络（LSTM）、卷积神经网络（CNN）、图神经网络（GNN）等深度学习模型虽表现出色，但多在集中式设定下将原始轨迹数据汇聚至服务器，且多数模型仅关注空间或时间特征之一，忽视了时空特征融

  来源：Frontiers in Artificial Intelligence

  时间：2026-08-07

• 神经外科医生应对重大手术并发症的应对策略：德国全国性问卷调查评估

  本研究旨在探讨重大手术并发症对德国神经外科医生情绪和心理的影响，重点关注识别应对策略、感知到的支持障碍以及机构文化的影响——尤其是在“第二受害者”（second victim）现象的背景下。研究问题：德国神经外科医生如何处理重大并发症，哪些障碍限制了心理支持的

  来源：Brain and Spine

  时间：2026-08-07

• 评估经验约束与数据增强在遗传算法优化神经网络桥墩局部冲刷预测中的应用

  摘要：准确预测桥墩周围的局部冲刷对于桥梁基础的安全和经济设计至关重要。然而，传统经验公式往往受限于其推导时的实验条件，而数据驱动模型则可能面临数据稀缺和泛化能力有限的问题。本研究开发并评估了一种结合数据增强、基于遗传算法（Genetic Algorithm,

  来源：Array

  时间：2026-08-07

• 综述：基于深度学习的遥感地表土壤水分监测与预测研究进展

  地表土壤水分（Surface Soil Moisture, SM）是陆地生态水文过程的关键变量。然而，面向卫星SM估算的深度学习（Deep Learning, DL）架构正经历快速多元化发展，已超出从业者对架构选型的实际驾驭能力。本综述系统梳理了SMAP（So

  来源：Water

  时间：2026-08-07

• 基于结构MRI的胶质瘤分级分类：深度学习特征提取与机器学习分类器的比较迁移学习研究

  背景：准确的胶质瘤组织学分级，区分低级别胶质瘤(LGG)与高级别胶质瘤(HGG)病变，仍是治疗计划和患者预后的关键决定因素。本研究系统探讨了结构MRI序列、预训练卷积神经网络(CNN)架构与监督分类器的最佳组合，用于自动化胶质瘤分级分类。方法：从BraTS 2

  来源：Machine Learning and Knowledge Extraction

  时间：2026-08-07

• X射线总电离剂量抑制基于SnO的忆阻器的抑制性可塑性及其对神经形态计算的影响

  X射线总电离剂量（TID）显著改变基于SnO的易失性忆阻器中的突触可塑性，这类器件在辐射暴露环境中对神经形态计算具有前景。研究人员进一步观察到，在复位后开始训练时，突触操作变得更稳定，表明存在协议依赖的变异性缓解。设备参数化的卷积神经网络模拟表明，辐照器件中的

  来源：Advanced Electronic Materials

  时间：2026-08-07

知名企业招聘：