当前位置:首页 > 今日动态 > 神经科学
  • 基于响应曲面法与机器学习的磁场辅助笋体相变过程建模与优化:动力学调控与微观结构保全机制研究

    本研究聚焦于高含水率生物质(竹笋)在相变(冷冻)过程中因冰晶无序生长导致的不可逆结构崩塌难题。研究者创新性地引入静态磁场(SMF)技术,并采用“统计-智能”混合建模策略(响应曲面法RSM结合遗传算法优化的神经网络GA-ANN),对磁场强度、冷却温度和风速等多物理场耦合作用下的相变动力学进行了优化建模。研究表明,优化后的磁场处理(3.46 mT)可显著缩短相变时间(645.12 s),并诱导形成细小的等轴冰晶,从而有效保护了竹笋原有的各向异性多孔血管通道(孔隙率0.64,综合渗透性指数31.40)。这项工作为生物质前驱体的低碳加工提供了坚实的理论基础和数据驱动的工程范式。

    来源:Industrial Crops and Products

    时间:2026-04-26

  • 综述:淫羊藿:药用植物资源、化学成分、药理作用及异戊烯化黄酮醇苷的生物合成

    这篇综述全面梳理了淫羊藿的药用资源、分类、化学组成、药理活性,并首次系统阐述了淫羊藿核心活性成分——异戊烯化黄酮醇苷(PFGs)的完整生物合成通路、调控机制(涉及MYB转录因子)及其对药用价值的决定作用,为这一重要中药材的可持续利用和新药研发提供了关键理论支撑。

    来源:Industrial Crops and Products

    时间:2026-04-26

  • 基于CNN-BiLSTM-Attention混合深度学习的工业CPS实时异常检测:结合SWaT与WADI基准的双重评估

    本文针对工业信息物理系统(CPS)面临日益复杂的网络攻击、传统检测方法适应性差等问题,提出了一种结合CNN、双向长短期记忆网络(BiLSTM)和注意力机制的混合深度学习模型。该架构利用CNN提取空间特征,BiLSTM建模时间序列,并通过注意力机制增强关键趋势的显著性。研究采用滑动窗口推理和基于统计估计的自适应阈值方法,在SWaT和WADI两个公开CPS基准数据集上进行了验证。结果表明,所提模型实现了高精度(SWaT 98.7%, WADI 97.4%)和高F1分数(>97.5%),单次预测推理延迟低于50毫秒,在噪声和不平衡数据条件下展现了优越的实时CPS异常检测性能。这项研究为保障关键工业基础设施的可靠性与连续性提供了高效、鲁棒的解决方案。

    来源:Franklin Open

    时间:2026-04-26

  • 自监督学习在挑战性环境下的目标检测:进展、评估与实用指南

    为评估不同自监督学习(SSL)策略在复杂现实目标检测场景(如小目标、域偏移、少样本学习)中的效能,本文对目标级实例判别与掩码图像建模等方法进行了系统性综述与公平基准测试。研究结合CNN与ViT架构,在COCO和VEDAI遥感数据集上通过统一管道微调Faster R-CNN,揭示了融合局部与全局偏置方法的优势,并为不同场景下SSL策略的优选提供了实用指南。

    来源:Computer Vision and Image Understanding

    时间:2026-04-26

  • 心理韧性对自主神经系统重复应激习惯化的影响:基于心率变异性与心率反应的洞察

    为解决心理韧性如何影响自主神经系统在重复心理社会应激下的适应机制,研究者利用TSST范式结合HRV与HR监测,发现高韧性个体具备更强的生理恢复力与应激习惯化能力,对降低Allostatic Load及预防应激相关疾病具有重要意义。

    来源:Computational Statistics & Data Analysis

    时间:2026-04-26

  • 刺激成功?经颅磁刺激(TMS)作用于右前额叶后反应抑制(SSRT)显著增强

    为解决右前额叶(rIFG、rDLPFC)在反应抑制中的因果作用及网络代偿问题,研究者采用单点及“条件-扰动”TMS协议结合停止信号任务(SST),发现所有主动刺激均显著缩短SSRT,挑战了TMS效应单一化的传统认知,为理解前额叶网络动态及TMS状态依赖性提供了新视角。

    来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE

    时间:2026-04-26

  • SOCIALABI量表的开发与Rasch模型验证:针对法语人群获得性脑损伤(ABI)后愤怒、敌意与攻击行为的快速筛查工具

    为解决法语区缺乏针对获得性脑损伤(ABI)后愤怒、敌意及攻击行为的标准化评估工具这一问题,研究人员基于Rasch模型开发了含15个条目的SOCIALABI问卷。结果显示该量表内部一致性良好(Cronbach's α=0.76),可作为临床快速筛查工具,填补了该领域法语专用量表的空白。

    来源:Acta Psychologica

    时间:2026-04-26

  • CNN–BiLSTM–GRU混合模型:一种面向多区域电力消费预测的时空依赖建模新框架

    本文介绍了一项针对巴西多区域电力消费预测的深入研究。为解决传统模型在捕获复杂时空依赖性和区域异质性上的不足,研究人员提出了一种新颖的CNN–BiLSTM–GRU混合深度学习模型。该模型融合了卷积神经网络(CNN)的局部特征提取能力、双向长短时记忆网络(BiLSTM)的双向时序建模优势以及门控循环单元(GRU)的高效序列学习特性。实验结果表明,该模型在巴西四个地理与经济特征迥异的区域(North, Northeast, South, Southeast)均取得了最低的平均绝对误差(MAE),显著优于ARIMA、随机森林、支持向量回归及其他深度学习基准模型。其成功通过Friedman–Nemenyi统计检验验证,为解决能源系统规划与供需平衡提供了高精度、可扩展的预测方案,对具有显著社会经济异质性的广大地区具有重要应用价值。

    来源:International Transactions on Electrical Energy Systems

    时间:2026-04-26

  • 基于海豹胡须优化与可解释广义加性神经网络的并网光伏系统电能质量提升研究

    本研究聚焦于光伏并网系统带来的谐波畸变、电压暂降/暂升等电能质量(PQ)挑战。为应对可再生能源系统(RESs)中的PQ问题,研究团队提出了一种新颖的混合控制策略,将可解释广义加性神经网络(IGANN)与海豹胡须优化算法(HSWOA)相结合,并采用增强型倾斜积分分数阶导数滤波器加分式导数(TIFDNFD)控制器的统一电能质量调节器(UPQC)进行补偿。结果表明,所提方法在降低总谐波畸变(THD)、维持电压稳定方面性能卓越,为智能电网的稳定可靠运行提供了高效、快速收敛的解决方案。

    来源:International Transactions on Electrical Energy Systems

    时间:2026-04-26

  • 基于空位工程化ZnO纳米笼的自驱动光电化学突触:水下神经形态功能仿生新策略

    为解决传统固态光电突触无法在液相环境模拟生物神经功能的问题,研究人员开展了基于MOF衍生ZnO纳米笼的自驱动光电化学(PEC)突触研究。该器件在零偏压下实现了从短程可塑性(STP)到长程可塑性(LTP)的转变及学习-遗忘-再学习行为,并模拟了氧化应激相关生物现象,为水下神经形态应用提供了新方案。

    来源:Nano Materials Science

    时间:2026-04-26


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