-
综述:衰老与生酮饮食关系的文献计量学分析(1995-2025)
本综述通过对近三十年(1995-2025)相关文献的系统回顾与可视化分析,系统梳理了生酮饮食(KD)在衰老研究领域的发展脉络。研究发现,该领域研究数量自2010年起显著增长,美国是核心贡献国,营养学与分子科学为主要发文期刊。综述总结了KD在改善线粒体功能、激活自噬、抗炎及潜在神经保护方面的作用,并指出其在糖尿病、心血管疾病等年龄相关疾病中的研究前景与争议。最后,文章指出了当前研究在分子机制和高质量临床证据方面的不足,为未来研究指明了方向。
来源:Endocrine Metabolic & Immune Disorders - Drug Targets
时间:2026-04-18
-
ShapeBlend:基于轮廓融合的数据增强技术显著提升图像分类模型的分布外泛化能力
为解决深度神经网络在分布外(Out-of-Distribution, OOD)样本上泛化能力不足的问题,本文提出了一种新颖的基于形状的数据增强方法——ShapeBlend。该方法通过提取图像轮廓图(push-pull CORF operator)并与原图以不同强度混合,在训练和推理阶段均强调形状特征。实验表明,ShapeBlend在ImageNet-C、ImageNet-C‾、ImageNet-A、ImageNet-R等多个OOD基准上均超越现有方法,显著提升了模型对多种噪声、模糊、天气变化等真实世界扰动的鲁棒性。此外,配合所提出的形状增强投票(Shape-Enhanced Voting, SEV)推理策略,可进一步强化模型在形状完整性保持较好的数据集上的表现,为构建更健壮的视觉模型提供了有效且可解释的数据中心化解决方案。
来源:Computer Vision and Image Understanding
时间:2026-04-18
-
基于围手术期优化与个体化出院决策的短程住院腰大池-腹腔分流手术路径的可行性探究
本研究为一项初步前后对照研究,探究针对特发性正常压力脑积水(iNPH)患者的腰大池-腹腔(LP)分流手术,在围手术期采取优化措施和个体化出院决策后,实现“术后一晚”短程住院路径的可行性与短期安全性。结果表明,该路径显著缩短了平均住院日(3.7 vs. 9.7天),且未增加30天内再入院、再手术等主要不良事件。这提示,在系统性的围手术期管理支持下,对部分患者实现LP分流术后快速出院具备临床潜力,对优化老年患者管理及医疗资源配置具有探索意义。
来源:Journal of Personalized Medicine
时间:2026-04-18
-
基于机器学习建模与多目标优化的直接尿素-过氧化氢燃料电池研究
为了解决直接尿素-过氧化氢燃料电池性能优化中存在的复杂非线性、多参数耦合及多目标权衡等难题,本研究提出一种集成机器学习与多目标优化的框架。利用多输出人工神经网络(ANN)高精度预测电池电压、功率密度(PD)及底物基能量效率(SEE),并通过Shapley加性解释与帕累托优化算法揭示了关键影响因素与最佳运行区间,为DUHPFC的理性设计与性能提升提供了高效决策工具。
来源:Electrochem
时间:2026-04-18
-
综述:智能交通系统中的交通流预测:图神经网络与混合深度学习方法的全面综述
本综述系统回顾了智能交通系统(ITS)中交通流预测的前沿方法。聚焦于2023-2025年的最新进展,文章围绕图神经网络(GNN)与混合深度学习两大主线,梳理了联邦学习、动态图、多图融合、跨域整合四大GNN范式,以及结合信号分解、启发式优化与注意力机制的LSTM混合模型。该文为研究者提供了清晰的方法论框架与技术演进脉络,并指出了模型可解释性、泛化能力等挑战与未来方向,对交通管理与城市计算领域的学者与从业者具有重要参考价值。
来源:Algorithms
时间:2026-04-18
-
面向可持续AI的AutoDL权重优化:一种基于两轮预分析的深度学习加速策略
为解决大模型训练成本高、AutoDL(Automated Deep Learning)优化依赖试错且计算密集的问题,本研究提出一种权重初始化优化策略。通过仅运行2个epoch的预分析筛选最佳起点,在20个数据集上实现了精度提升与计算开销的大幅降低,为资源受限场景下的高效AI训练提供了新范式。
来源:Algorithms
时间:2026-04-18
-
结合注意力与金字塔卷积的ICK-PANet:一种用于分心驾驶检测的轻量级多尺度网络模型
为降低因驾驶员分心导致的交通事故,研究者提出一种名为ICK-PANet的轻量级多尺度检测网络。该模型通过Sobel边缘预处理、轻量级增量卷积核(3×3至9×9)与改进的PyConv注意力模块,在仅0.4M参数量下,于AUC和SFD数据集上分别取得95.66%和99.84%的高精度,有效解决了现有模型在精度、效率与车载部署可行性间的平衡难题。
来源:Vehicles
时间:2026-04-18
-
基于模糊互信息的全局无监督特征选择方法:一种新型的神经网络优化框架
本文提出一种基于模糊互信息(UFS-FMI)的全局无监督特征选择方法,以解决传统方法因贪心策略导致的局部最优、对连续数据处理需离散化而造成信息损失等问题。该方法融合模糊集理论与信息度量,构建分数阶优化模型,并结合投影神经网络与k-WTA神经网络实现全局优化。在多个UCI基准数据集上的实验表明,其在分类与聚类任务中性能优越,验证了方法的有效性与鲁棒性。
来源:Symmetry
时间:2026-04-18
-
基于行为倾向的情感BDI框架:情感决策的中间层架构及其在社交机器人中的应用
本文针对现有情感代理在将生成的情感连接到行为执行时,仍严重依赖模型特定规则或隐式链接的“机制缺口”问题,提出了一个情感BDI(Belief–Desire–Intention)框架。该框架引入弗里达(Frijda)的行为倾向(action tendency)作为情感核心与BDI执行器之间的中间表示层,将情感状态首先转化为方向性的行为倾向,再由BDI推理根据角色和情境实现该倾向,从而创建了明确的情感-行为中介结构。在26名参与者的探索性用户评估中,所提模型在满意度(p=0.010)和适当性(p=0.002)上获得了比情感驱动代理(Emotion-Driven Agent)更积极的评价,为超越直接映射或无条件下服从的情感决策提供了有用的架构方向。
来源:Electronics
时间:2026-04-18
-
忆阻器交叉阵列优化权衡:面向MAC加速的RRAM神经网络硬件实现
本文针对人工智能负载中占主导的向量-矩阵乘法(VMM)操作在传统冯·诺依曼架构上存在的“内存墙”问题,探索了基于电阻式随机存取存储器(RRAM)的交叉阵列用于加速VMM计算的硬件实现方案。研究人员通过评估三种权重/偏置映射场景(PWO、PNWO、PNWB),在考虑器件电导范围限制和变异性的情况下,系统分析了其分类精度、能效、延迟和面积开销之间的权衡关系,为RRAM基神经网络硬件设计提供了关键优化见解。
来源:Electronics
时间:2026-04-18