• 基于结构化自适应字典的太极展开网络用于盲图像去噪

  张健|曾贤华 中国重庆，400065，重庆邮电大学计算机科学与技术学院 摘要 深度展开网络通过将迭代优化算法映射到可学习架构中，为图像去噪提供了一种原理性的方法。然而，许多近期的基于展开的去噪模型用可学习网络替代了正则化更新，因此先验不再由显式正则化指定，而是隐含在

  来源：Neurocomputing

  时间：2026-06-27

• 通过逆向优化调节羟基自由基通量，可实现DBD等离子体中高效且低能耗的氟苯尼考降解

  Aerman Ainiwaer|宋成业|郭赫|方斌|王少峰|宋敏中国南京210096，东南大学能源与环境学院，教育部能源热转换与控制重点实验室摘要氟苯尼考因其极高的化学稳定性以及在水生生态系统中的普遍存在，已成为一种持续存在的环境威胁。虽然非热等离子体技术具有显著的降解潜力，但其

  来源：Separation and Purification Technology

  时间：2026-06-27

• 综述：两栖动物的软组织手术

  Alessandro Vetere|Clément Paillusseau意大利帕尔马大学兽医科学系，Strada del Taglio 10，43126，帕尔马内容片段要点•开腹手术是两栖动物中最通用的外科手术方法，可用于进行胃肠道、泌尿系统、肝脏以及生殖系统的相关手术。•棉头

  来源：Veterinary Clinics of North America: Exotic Animal Practice

  时间：2026-06-27

• 面向知识图谱补全的粒度感知图注意力网络

  李文峰|谢佳琳|马圆圆 中国河南省新乡市453007，河南师范大学计算机与信息工程学院 摘要 近年来，图注意力网络已成为知识图谱补全领域的重要方法之一。然而，现有的基于GAT的模型未能有效利用知识图谱中由关系共现产生的全局语义先验信息。这一局限使得多头注意力机制无法

  来源：Neurocomputing

  时间：2026-06-27

• EAF-net：基于外部注意力融合与密度加权网络的高效大规模点云语义分割方法

  陆嘉伟|叶佳俊|曾超毅|钟扬生|肖刚 中国浙江工业大学，杭州 摘要：由于点云结构不规则、密度变化剧烈、局部细节建模不足，以及现有方法在捕捉长距离上下文依赖关系方面的能力有限，大规模点云语义分割仍然面临诸多挑战。为解决这些问题，我们提出了EAF-Net，这是一种用于大规模点云语义分

  来源：Neurocomputing

  时间：2026-06-27

• 基于多头门控的多频段残差融合技术，用于提升Transformer语言模型性能

  黄志高|潘淼|李全发 中国泉州362000，泉州师范学院福建高等教育信息功能材料重点实验室 摘要：当前Transformer注意力机制主要基于逐令牌的注意力输出进行运算，在注意力聚合后可能会丢失有用的局部序列结构。我们提出了带每头门控的多频段残差融合机制（MBF），这是一种具有频

  来源：Neurocomputing

  时间：2026-06-27

• HQ-YOLO：通过高维特征映射与四流小波变换实现可靠的交通标志检测

  张建明|王远|刘子康|王磊 中国长沙410114，长沙理工大学南区桥梁长期性能提升工程技术省部共建实验室 摘要 随着城市道路交通的快速发展，交通标志检测技术在智能交通系统中的作用日益重要。然而，恶劣天气条件（如雨雾）、光照变化、远距离拍摄以及背景杂乱等因素仍给检测带来巨大挑战。为

  来源：Neurocomputing

  时间：2026-06-27

• 基于证据推理规则且考虑不可区分样本数据的粗细分类器

  郭浩浩|徐晓斌|常蕾蕾|马峰|陈宇旺|陶志刚中国浙江省杭州市310018，杭州电子大学自动化学院摘要数据分类器的目标是将类别未知的样本数据分配到具有特定类别标签的类别中。由于样本数据分布的复杂性以及属性之间的相关性，不同类别的样本数据在属性空间中不可避免地会部分或完全重叠。这些位

  来源：Neurocomputing

  时间：2026-06-27

• 一种用于具有混合时延的忆阻分阶复值神经网络的新型自适应耗散同步算法

  刘伟德|宋浩峰|熊菊霞中国广西南宁市广西民族大学数学科学学院，邮编530006 摘要 本文研究了具有混合时间延迟的忆阻分阶复值神经网络的全局耗散性及其同步问题，并提出了一种具有高度创新性和实用性的自适应耗散同步算法。首先，构建了一个综合考虑离散延迟和分布延迟的FOMCVNN模型

  来源：Neurocomputing

  时间：2026-06-27

• ESTR-CoT：基于思维链推理的可解释且精确的事件流场景文本识别方法

  Xiao Wang|Jingtao Jiang|Qiang Chen|Lan Chen|Lin Zhu|Yaowei Wang|Yonghong Tian|Jin Tang安徽大学计算机科学与技术学院，中国合肥230601摘要基于事件流的场景文本识别是近年来新兴的研究方向，在极端

  来源：Neurocomputing

  时间：2026-06-27

知名企业招聘：