• 连续自然语言的层次化处理：从独白到对话

  •连续的自然语言在多个时间尺度上具有层次结构。•单语语言在皮质系统中表现出层级化的处理方式。•对话则包含诸如轮次和话题之类的互动相关元素。•二元耦合可能揭示特定层面的对话组织结构。•在自然环境中测试层级化处理机制方面仍存在诸多空白。 引言 几十年来，语言究竟是作为组织思维的工具

  来源：Brain and Language

  时间：2026-07-24

• 利用深度神经网络实现藏红花适时采收的检测技术

  摘要：藏红花花蕊的质量取决于采摘时机，在花朵即将开放之前达到最佳状态。本文探讨了即时采摘藏红花的问题，即在藏红花品质最佳时进行采摘。即时采摘需要能够区分可采摘的藏红花花蕾和花朵与未成熟的花蕾。目前关于藏红花检测的研究仅聚焦于已开放的花朵，无法识别可采摘的花蕾。本文提出了一种解决方

  来源：Biosystems Engineering

  时间：2026-07-24

• OpenMvL：一种基于属性的双头框架，用于开放集多视图学习

  摘要：许多研究者试图通过整合多视图数据来提升任务性能。然而，现有的多视图方法主要是为具有完全已知类别的封闭集环境设计的。在现实世界的开放集场景中，未知类别的出现会导致视图内部的不均匀性以及视图间的判别冲突。为解决这些问题，我们提出了一种基于属性的双头框架，用于开放集多视图学习。首

  来源：IEEE Transactions on Neural Networks and Learning Systems

  时间：2026-07-24

• 综述：差分隐私的全面研究：基于对称性的分类与分析

  摘要 差分隐私（DP）已发展成为一个包含多种定义的丰富生态系统，这些定义从纯粹的差分隐私到近似差分隐私，再到集中式差分隐私、雷尼差分隐私和度量型差分隐私等，每种都针对特定的理论或应用需求而设计。尽管现有的综述已经根据信任模型、部署场景或机制设计对这些框架进行了广泛分类，但它们

  来源：Neurocomputing

  时间：2026-07-24

• NeuroSQP：用于大规模带等式约束的非线性优化的加速学习型序列二次规划方法

  大规模非线性优化问题在众多科学和工程领域中普遍存在，包括最优控制[4]、[12]、[54]、[59]、[72]，以及经济学与金融领域[5]、[32]、[41]，化学过程设计[13]、[88]、[92]，还有各种工程应用[6]、[69]。这类问题通常被表述为，其中和都是二次连续可微

  来源：Neurocomputing

  时间：2026-07-24

• SpikeVPR：基于多尺度脉冲变换器的节能视觉位置识别方法

  摘要：视觉场景识别在自主机器人导航中起着关键作用，但需要在检索精度与计算效率之间实现精确平衡。虽然人工神经网络在精度方面表现优异，但其高昂的计算成本限制了其在边缘设备上的应用。脉冲神经网络作为一种节能的替代方案，但在为视觉场景识别提取具有区分度的特征方面一直存在不足。为填补这一差

  来源：Neurocomputing

  时间：2026-07-24

• 用于不平衡分类的类感知多级少数类过采样方法

  抽象：在监督学习中，类别不平衡一直是一个核心挑战，因为少数类样本的表示远远不足以与多数类样本相比。尽管基于变分自编码器（VAE）的过采样方法表现出了良好的性能，但现有方法存在三个相互关联的局限性：倾向于学习多数类的特征、生成的少数类样本质量不足，以及高级语义一致性缺乏。为了解决这

  来源：Neurocomputing

  时间：2026-07-24

• 基于两阶段分层优化的解耦式视觉概念令牌学习

  摘要从多物体场景中学习视觉概念标记面临着特征纠缠这一核心挑战，即这些标记会无意中捕获彼此的信息，从而导致物体真实性下降以及组合生成的可靠性降低。我们发现其根本原因在于训练过程中缺乏层次化学习策略和明确的解耦约束。为解决这些问题，我们提出了基于两阶段层次化优化的解耦式视觉概念标记学

  来源：Neurocomputing

  时间：2026-07-24

• ADASign：用于连续手语识别的自适应可变形视觉注意力机制

  摘要连续手语识别任务在很大程度上依赖于对视觉特征的有效建模，尤其是在处理手语中的非刚性运动和时间动态特性时。然而，现有采用传统注意力机制的连续手语识别方法存在局限性，如固定的采样网格以及不足的时间建模能力，这导致难以捕捉手语中细微的变化和长期依赖关系。为应对这些挑战，我们提出了一

  来源：Neurocomputing

  时间：2026-07-24

• 通过吸引子动力学提升神经常微分方程的鲁棒性

  摘要神经常微分方程为神经网络提供了一种连续深度框架，具有结构连续性和内存效率等优势。尽管具备这些优点，神经常微分方程仍易受对抗性扰动的影响，从而限制了其在安全关键应用中的使用。现有的鲁棒性策略通常依赖于局部敏感度降低或流正则化，但这些方法只能为长期稳定性提供有限保障。为解决这一难

  来源：Neurocomputing

  时间：2026-07-24

知名企业招聘：