当前位置:首页 > 今日动态 > 神经科学
  • 基于功能自适应交互正则化回归的亚群感知型自杀风险预测

    摘要自杀是一个重大的公共卫生问题,而机器学习为识别高风险个体提供了有效的工具。然而,传统模型往往无法在不同人群亚组中实现最佳性能,从而导致检测结果的不稳定性。本研究利用2013年至2023年美国国家药物使用与健康调查(NSDUH)的数据,提出了功能自适应交互作用正则化惩罚逻辑回归

    来源:npj Mental Health Research

    时间:2026-07-24

  • 基于物理先验的贝叶斯神经网络,用于可靠的电池健康状态评估

    摘要对锂离子电池进行准确且考虑不确定性的健康状态评估,对于确保能量存储系统的可靠性、安全性与效率至关重要。虽然数据驱动方法具有出色的预测性能,但往往缺乏可解释性以及可靠的不确定性量化能力;而基于物理的模型则依赖于精确的参数设定,其泛化能力可能有限。为解决这些难题,本文提出了一种贝

    来源:Scientific Reports

    时间:2026-07-24

  • 基于深度学习方法的社会媒体文本双语情感识别

    摘要在社交媒体平台上,用户使用多种语言发表评论,表达自己的想法和观点,其中包括英语和阿姆哈拉语,从而产生了海量数据。准确解读这些评论具有重要的实际意义,可应用于客户情绪分析、舆情监测以及心理健康意识提升等领域。因此,情感分类任务显得尤为重要。在双语及多民族社会中,人们在口语和书面

    来源:Scientific Reports

    时间:2026-07-24

  • 利用混合灰狼优化器人工神经网络模型预测埃塞俄比亚粘性土上浅基础的最大承载力

    摘要在岩土工程中,准确估算粘性土上浅基础的抗压承载力仍是一项重大挑战,尤其是在那些存在膨胀性、非均质粘土沉积的地区。在埃塞俄比亚,由于当地土壤的特性较为复杂,直接应用传统的抗压承载力理论往往会导致设计结果不可靠。本研究构建并验证了一种混合灰狼优化器人工神经网络(GWO-ANN)模

    来源:Scientific Reports

    时间:2026-07-24

  • SpikeMicroNet:一种用于显微镜下高效光学微机器人姿态与深度估计的类脑视觉感知技术

    摘要由光镊驱动的光学微机器人是一种用于细胞级操作、微组装以及精准生物医学干预的新兴工具,但其闭环控制依赖于必须在严格能耗限制下实时运行的感知子系统。现有的基于光学显微镜数据的感知系统依靠密集型人工神经网络,每次推理会消耗数毫焦到数十毫焦的能源,这与驱动光学硬件的嵌入式控制器不兼容

    来源:Scientific Reports

    时间:2026-07-24

  • 使用深度学习与大型语言模型的自动化海藻物种分类

    海藻是海洋生态系统的基础组成部分,并在全球水产养殖中具有重要价值。准确高效地识别海藻物种对于生物多样性监测、生态研究和可持续管理至关重要。本研究评估了一种用于自动化海藻分类的双路径框架。首先,研究人员基于EfficientNet-B0架构实现了一个标准卷积神经

    来源:Scientific Reports

    时间:2026-07-24

  • 大鼠脊髓运动神经元投射至肱丛终末神经的定量节段性分布

    摘要尽管臂丛神经的总体解剖结构已有详细描述,但支配各终末神经的脊髓运动神经元的节段分布尚未得到定量界定。我们通过对手部终末神经进行逆向标记,并选择性切断臂丛神经根,以分离出特定节段的运动神经元群,从而确定了大鼠模型中支配上肢终末神经的运动神经元群的节段起源及其相对贡献。每条神经都

    来源:Scientific Reports

    时间:2026-07-24

  • 基于数据驱动的建模技术在预测钢筋混凝土梁抗剪强度中的应用

    摘要由于材料特性、配筋特点以及梁的几何形状之间存在复杂的非线性相互作用,准确预测钢筋混凝土梁的抗剪强度仍是一项具有挑战性的任务。本研究提出了一种基于数据驱动的人工神经网络框架,利用从已发表文献中收集的1,977个试验样本构成的系统化实验数据库来预测钢筋混凝土梁的抗剪强度。该数据库

    来源:Scientific Reports

    时间:2026-07-24

  • 肌萎缩侧索硬化症患者未培养与已培养外周血细胞中NLRP3炎性小体及炎症相关蛋白的表达特征

    摘要

    来源:NeuroSci

    时间:2026-07-24

  • 基于多模态动态数据的机器学习模型预测动脉瘤性蛛网膜下腔出血后分流依赖性脑积水的开发与外部验证:一项双中心回顾性队列研究

    目的:开发并外部验证一个使用多模态动态数据预测动脉瘤性蛛网膜下腔出血(aSAH)后分流依赖性脑积水(SDHC)的机器学习模型。方法:这项双中心回顾性研究纳入了来自闽东医院(开发队列,2018–2025)和莆田学院附属医院(外部验证队列,2016–2025)的a

    来源:Frontiers in Neurology

    时间:2026-07-24


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康