• 基于模糊神经网络的体育课程线上线下混合式教学方法研究

  本研究提出了一种混合教学模式，该模式整合了模糊神经网络（FNN）以改善体育教育中的身体动作识别并优化运动强度。该模型将模糊肢体集表示与多层神经网络相结合，实现了精确的人体动作识别，同时引入物理距离指数（Physical Distance Index）以增强训练

  来源：Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization

  时间：2026-08-04

• 2型糖尿病与认知功能障碍：心肺适能与体力活动的影响

  背景：糖尿病与认知功能障碍风险增加相关。研究人员旨在检测2型糖尿病（T2DM）患者的认知表现及其与体力活动（PA）/适能水平和情绪的相关性。方法：一项横断面研究纳入47例T2DM个体与30例非糖尿病对照（年龄40–65岁，无痴呆）。受试者接受包括Stroop、

  来源：Journal of Diabetes Research

  时间：2026-08-04

• 综述：妊娠期高血压疾病可能增加子代神经发育迟缓风险：一项系统评价与Meta分析

  妊娠期高血压疾病（hypertensive disorders of pregnancy, HDP）是妊娠最常见并发症，对母体及子代健康构成显著负担。目前关于HDP对婴幼儿神经发育潜在影响的研究证据尚不一致。研究人员系统汇总HDP暴露与子代神经发育迟缓风险的关

  来源：Hypertension Research

  时间：2026-08-04

• 综述：从通道到回路：通过协同门控网络重构脑液体稳态

  背景 脑液体稳态是一个多尺度过程，源于分子、细胞和血管系统之间的相互作用。将离子通道视为独立随机单元的经典模型无法解释局部离子事件如何放大为宏观液体运输。目的 本综述提出协同离子通道门控作为一个统一的调控原则，将纳米级膜组织与大规模脑液体动力学联系起来。方法

  来源：Future Neurology

  时间：2026-08-04

• 综述：将神经科学转化为建筑研究：对建筑神经科学学会（ANFA）的批判性叙事综述与转化框架

  认知神经科学（cognitive neuroscience）、神经影像学（neuroimaging）和具身认知（embodied cognition）的最新发展激发了人们对神经科学-informed 建筑（neuroscience-informed archi

  来源：Clinical and Translational Neuroscience

  时间：2026-08-04

• 综述：人工智能在建筑火灾探测与预防中的应用：研究进展、应用与未来趋势（2016–2026）

  传统的建筑火灾探测技术已不再能够满足复杂结构的火灾防控需求，而新兴的人工智能技术已成为突破该行业瓶颈的核心路径。现有综述存在范式不规范、范围片面、方法学评价不足、时间覆盖不完整以及缺乏工程导向等问题，未能满足该领域循证研究的需求。研究人员严格遵循PRISMA

  来源：Fire

  时间：2026-08-04

• 非线性多智能体系统含规定性能与全状态约束的事件触发自适应一致性控制

  本研究针对具有同步瞬态性能规范与状态限制的网联非线性智能体，解决其输出协同问题。性能函数将各智能体的同步偏差限制在用户设计的包络内，该包络同时量化收敛速度与允许稳态偏移。对数障碍证书被嵌入递归控制构造中，以防止任意状态变量离开其可行区域。未知被控非线性由高斯径

  来源：Sensors

  时间：2026-08-04

• 基于骨架化和多视角比较的日本对虾非接触表型测量和体重预测

  无人驾驶矿车在露天矿等恶劣环境中运行，其关键传动系统轴承的在线故障诊断面临响应慢、精度要求高、现场噪声干扰强等严峻挑战。针对现有诊断方法在真实噪声场景下泛化能力不足的问题，本文提出了一种面向无人驾驶矿车轴承故障诊断的多模态对抗迁移学习框架。首先，为弥合实验室数

  来源：Sensors

  时间：2026-08-04

• 利用多源数据和人工神经网络（ANNs）改进径流预报：以巴西米兰达河流域（Miranda River Basin）为例

  在环境不确定性下极端水文事件频率的不断上升对洪泛区（如全球最大的热带湿地——巴西潘塔纳尔湿地（Brazilian Pantanal））构成了严重的社会经济威胁。由于现场监测的严重缺乏，动态洪水和干旱循环的缓解极具挑战性，导致洪水风险了解不足。为了填补这些数据空

  来源：AI

  时间：2026-08-04

• SE增强的集成深度学习框架用于停车位分类

  停车位系统是智能交通管理系统的关键组成部分，有助于管理停车位、缓解交通拥堵并提升出行效率。深度学习推动了智能停车系统的发展。尽管轻量级卷积神经网络（CNN）具有较高计算效率，但其特征表示能力有限，且存在梯度消失问题，在复杂停车场景下会降低分类性能。为解决该局限

  来源：Machine Learning and Knowledge Extraction

  时间：2026-08-04

知名企业招聘：