• 儿童交替性偏瘫中的结构连接组改变

  摘要本研究采用先进的纤维追踪技术和连接组分析方法，探讨儿童交替性偏瘫的脑结构连接性特征。了解这种罕见疾病的脑网络变化有助于阐明其认知和运动功能障碍的成因。该前瞻性单中心研究共纳入10名患有儿童交替性偏瘫的患者（平均年龄23.2岁）以及20名匹配的健康对照组。所有参与者均接受了3T

  来源：Brain Topography

  时间：2026-07-11

• 经颅光生物调节通过增强突触可塑性改善低压缺氧引起的空间认知功能障碍

  齐超|刘忠奇|邹勇|马丽珍|孙立园|刘青|胡向军|康红祥|支伟佳|王立峰中国北京军事医学科学院摘要高海拔环境以低气压性缺氧为特征，这种状况会打破大脑的稳态平衡，进而引发认知功能障碍。经颅光生物调节技术是一种用于神经保护及功能恢复的非侵入性神经调节方法，被视为极具前景的治疗策略。本

  来源：Journal of Photochemistry and Photobiology B: Biology

  时间：2026-07-11

• 多步动态模型通过分层展开提升离线强化学习的未来预测能力

  林浩欣|孙一豪|李一辰|张志龙|贾成兴|余阳•提出了用于灵活状态预测的任意步动态模型。•引入分层展开方法以减少累积误差。•通过ADM多样性实现无需集成方法的不确定性估计。ADMPO-HiRo的性能优于现有的离线强化学习算法。 引言 强化学习在处理模拟环境中的序列决策任务方面取得

  来源：Neural Networks

  时间：2026-07-11

• 基于层次特征的双对比多视图聚类

  彭思远|袁宇飞|杨晓军|杨志静|聂飞平 摘要：多视图聚类技术因其能够利用多个视角的互补信息而受到广泛关注。然而，现有的大多数深度多视图聚类方法主要侧重于从每个视角学习统一的全局表示，这往往导致对视角间互补性的利用不够充分，以及一致性与人相关性之间的平衡欠佳。为克服这些局限，本文

  来源：Neural Networks

  时间：2026-07-11

• PiGIE：基于近端策略优化的引导扩散技术，用于精细图像编辑

  Tiancheng Li|Jinxiu Liu|Weijian Luo|Huajun Chen|Qi Liu•我们提出了一种用于基于指令的细粒度图像编辑的强化学习框架，该框架利用注意力图之间的差异来构建用于策略优化的奖励信号。这样的设计使得扩散模型能够更好地将编辑过程与期望的编辑

  来源：Neural Networks

  时间：2026-07-11

• MSESTA：用于长期交通预测的多尺度演化时空注意力模型

  淮金然|张浩毅 摘要：准确的长期交通预测对于智能交通系统的规划与调度至关重要。以往的研究已充分探讨了1小时内的短期交通预测，成功捕捉了交通数据的固有空间拓扑结构与时间规律。然而当预测时间范围延长时，计算效率以及模拟长期时空动态的能力便成为亟待解决的挑战。本文提出一种多尺度演化时

  来源：Neural Networks

  时间：2026-07-11

• 用于无监督领域适应的判别性迁移特征学习

  李梦瑶|李正明|江景华 摘要：基于特征提取的方法已被广泛应用于无监督领域自适应任务中。近期的研究重点在于提取既具有领域差异性又具备类别区分能力的可迁移特征。然而，在构建具有区分能力的特征时，数据的序数局部结构却鲜有被探讨。本文提出了一种名为“区分性迁移特征学习”（DTFL）的新

  来源：Neural Networks

  时间：2026-07-11

• MT-RevSNN：一种面向分层脉冲变换器的低内存低时间开销可逆框架

  李思睿|宋泽阳|张学毅|张少辰|林哲源|蔡思奇|李海洲 摘要：脉冲变换器能够实现高效能的类脑计算，但在时空反向传播过程中需要O(L×T)的内存消耗，其中L为网络深度，T为模拟时间步数。可逆架构可通过在反向传播时重构激活值来降低内存需求，但在应用于分层变换器时面临两大限制：（1）

  来源：Neural Networks

  时间：2026-07-11

• 三层神经网络局部学习系数的上界

  曲间谷 2025a、曲间谷 2025b 定义了一类较为简单的奇异模型——半规则模型，并推导出了在实现参数集中非奇异点处局部学习系数的公式。这一结果为三层神经网络的学习系数给出了上界。不过在某些情况下，该评估值与已知的学习系数值存在较大差异（曲间谷 2025b，例5.2），这说明有

  来源：Neural Networks

  时间：2026-07-11

• 神经网络的非平衡热力学框架：一种原理性的对应关系与参数动力学

  Maimaitiniyazi Maimaitiabudula|石明军|浦静文|谢坤摘要深度学习的训练过程具有高度复杂性，目前尚无统一的理论来解释参数变化及其泛化能力的本质。现有的基于物理原理的方法往往忽视能量转换和熵增等核心热力学问题，从而加剧了这一难题。为建立缺失的定量关联，本

  来源：Neural Networks

  时间：2026-07-11

知名企业招聘：