当前位置:首页 > 今日动态 > 神经科学
  • PFPT:针对预训练点云模型的基于先验知识的细粒度提示调优

    预训练Transformer在点云学习中的应用面临存储成本高和过度依赖任务数据的问题。本文提出Prior-Aware Fine-Grained Prompt Tuning(PFPT),通过细粒度提示生成利用局部空间特征,结合先验感知的提示增强模块引入预训练数据原型,再通过几何一致性融合模块保持点云结构。实验表明PFPT在参数量减少6.3%的情况下性能超越全微调及现有SOTA方法,尤其在ScanObjectNN PB 50 RS等复杂数据集上表现优异。

    来源:Neurocomputing

    时间:2026-04-21

  • GB-MDPC:基于颗粒球模型的流形数据密度峰值聚类算法

    针对密度峰值聚类(DPC)算法在流形数据中的局限性,本文提出基于颗粒球与流形距离的改进算法(GB-MDPC)。通过约束半径生成颗粒球,利用分布熵优化密度计算,构建最小生成树(MST)实现流形距离度量,有效提升聚类精度和效率。实验表明GB-MDPC在合成和真实数据集上优于传统方法。

    来源:Neurocomputing

    时间:2026-04-21

  • 用于条件查询的自适应归纳式知识图谱推理

    知识图谱推理中,针对多跳传播中查询信息衰减和无关邻居噪声问题,提出QAPD模型。该模型通过条件查询注意力筛选关键证据边,自适应残差信息融合增强深层次传播稳定性,并构建并行双解码架构适配不同关系模式。实验表明QAPD在FB15k-237、WN18RR和NELL-995数据集上显著优于基线,尤其在长程推理任务中MRR提升达23.96%。

    来源:Neurocomputing

    时间:2026-04-21

  • 在恶劣天气条件下用于盲脸恢复的、不依赖图像质量降级的统计面部特征变换方法

    本文提出基于退化不敏感统计面部特征变换的盲FIR框架,通过局部SFFT模块增强面部结构和颜色保真度,结合DAFE模块提取天气鲁棒特征,有效恢复雨渍、雾霾等复杂退化下的关键面部区域,实验证明优于现有方法。

    来源:Neurocomputing

    时间:2026-04-21

  • ARGO:基于Ricci曲率引导的图卷积网络框架,用于生物网络中的社区检测

    基因共表达网络模块检测中引入Ollivier–Ricci曲率作为图卷积网络(GCN)的几何先验,通过曲率加权边构造增强型网络,显著提升模块化检测的生物学可解释性和拓扑鲁棒性。基于iNetModels 2.0的12种组织特异性网络验证,ARGO框架生成的嵌入空间更紧凑且模块边界更稳定,较传统Louvain算法和曲率加权变体平均多出11.3%的模块数并降低18.7%的基因冗余度。

    来源:Journal of Computational Science

    时间:2026-04-21

  • 糖尿病神经病理性疼痛大鼠中央杏仁核转录组图谱构建及机制研究

    本研究针对糖尿病性神经病理性疼痛(PDN)中枢机制不清的问题,开展了糖尿病大鼠中央杏仁核(CeA)转录组测序研究,揭示了CeA在PDN中的分子调控网络,为解析PDN中枢发病机制提供了数据支撑和理论依据。

    来源:Scientific Data

    时间:2026-04-21

  • 面向时空随机生物学模型的免似然参数推断:基于神经后验估计的新框架

    编者推荐:细胞迁移是伤口愈合、组织发育和癌症转移等生物学过程的关键,但将基于代理的随机游走模型校准到实验数据仍是主要挑战。传统方法如近似贝叶斯计算(ABC)存在计算成本高、引入偏差和调参困难等问题。为解决此问题,本研究将神经后验估计(NPE)这一免似然、基于模拟的推断框架,应用于屏障实验的随机游走模型。该研究成功从随机模拟中直接学习了完整后验分布,无需代理近似或显式噪声模型,并通过卷积神经网络(CNN)实现了从原始二维空间数据的直接推断。该框架在从各向同性基线到包含定向偏倚(趋化性)和增殖的组合模型中均表现优异,恢复了具有生物学解释性的参数,为更复杂的空间结构生物模型提供了开源工具和可扩展的路径。

    来源:Journal of Theoretical Biology

    时间:2026-04-21

  • 可解释人工智能驱动电极激活优化:在保持视网膜假体物体识别能力的同时降低功耗

    【编辑推荐】视网膜假体通过电刺激恢复盲人部分视觉功能,但电极间电流扩散导致视幻觉模糊、功耗高。本研究创新性地引入可解释人工智能(XAI)优化电极激活模式,优先刺激对物体识别关键的视觉信息区域,在维持识别准确率的同时显著降低总电流消耗,为新一代视网膜假体系统提升能效、可解释性及功能效果提供了新思路。

    来源:Advanced Intelligent Systems

    时间:2026-04-21

  • 机器学习能否预测有机分子的空间群偏好?

    晶体结构预测(CSP)是指导材料发现的重要工具,但其高计算成本限制了广泛应用。为降低计算成本,研究人员尝试将机器学习模型应用于有机分子的空间群预测。他们利用剑桥结构数据库(CSD)中超过22万条数据,训练了随机森林(RF)和图神经网络(GNN)模型。研究发现,结合3D分子信息的GNN模型表现最佳,其单一空间群预测准确率达到47.2%,比基于已知空间群频率分布的参考基准提升了8.2%。该研究为通过缩小空间群搜索范围来降低CSP计算成本提供了一种有前景的新方法,有望在药物固态形式研发和材料发现中发挥作用。

    来源:Crystal Growth & Design

    时间:2026-04-21

  • 猴头菌素A通过抑制内质网应激及Aβ聚集发挥神经保护作用的多重机制研究

    为解决阿尔茨海默病(AD)中Aβ聚集及内质网(ER)应激诱导的神经元凋亡问题,本研究聚焦于猴头菇活性成分Erinacine A。结果表明,该成分可显著抑制caspase-3/caspase-12凋亡通路并减少Aβ 1–40聚集,为AD防治提供了多靶点干预策略。

    来源:ACS Nutrition Science

    时间:2026-04-21


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