-
SCWO-SNN:基于雪地织布鸟优化(Snow Carpet Weaver Optimization)的脉冲神经网络(Spiking Neural Network),通过联邦学习(Federated Learning)技术用于检测统一支付接口(UPI)交易中的欺诈行为
基于联邦学习的UPI欺诈检测模型SCWO-SNN通过数据增强与优化算法提升检测精度
来源:Computational Statistics & Data Analysis
时间:2026-04-17
-
在蒙特卡洛模拟中使用机器学习进行几何参数估计
人工神经网络在HPGe探测器几何参数估计中的应用研究。该研究通过Geant4生成不同几何配置的FEPE模拟数据,分别训练平面和同轴探测器ANN模型,验证结果显示ANN能显著提升参数估计效率,替代传统试错法,为蒙特卡洛模拟提供自动化解决方案。
来源:Applied Radiation and Isotopes
时间:2026-04-17
-
新型神经激肽3受体拮抗剂GS1-144治疗中国女性中重度血管舒缩症状的疗效与安全性:一项随机、双盲、安慰剂对照的2期试验
为应对中国围绝经期及绝经后女性中重度血管舒缩症状(VMS)非激素治疗选择有限、现有疗法疗效欠佳或副作用显著的临床难题,研究人员开展了一项多中心、随机、双盲、安慰剂对照的2期试验,评估选择性神经激肽3受体(NK3R)拮抗剂GS1-144的疗效与安全性。结果表明,GS1-144(30 mg BID和60 mg QD)可显著降低VMS的频率与严重程度,且耐受性良好,未见肝脏安全性风险,为这一人群提供了新的有效非激素治疗选择。
来源:Menopause
时间:2026-04-17
-
面向众包语音的深度伪造与对抗攻击检测:ASVspoof 5挑战赛评估与展望
为解决语音合成与深度伪造技术滥用带来的安全威胁,ASVspoof 5挑战赛联合多国研究人员,基于大规模、多场景的众包语音数据,系统评估了53个团队的检测方案。研究发现,现有方案在常规场景下表现良好,但在对抗性攻击和神经编解码压缩下性能显著下降。该研究推动了语音反欺骗技术的进步,并为构建鲁棒的生物特征认证系统指明了方向。
来源:Artificial Life
时间:2026-04-17
-
经皮耳廓迷走神经刺激(taVNS)的生物传感解码:面向压力、抑郁、焦虑与情绪调节的神经与自主神经标记物综述
【编辑推荐】长期精神压力是焦虑与抑郁的主要诱因,可损害情绪调节与认知功能,而约60%患者对传统抗抑郁药反应不佳。本综述聚焦非侵入性神经调控技术——经皮耳廓迷走神经刺激(taVNS),系统梳理了2016-2025年间运用功能磁共振成像(fMRI)、脑电图(EEG)、功能性近红外光谱(fNIRS)等神经模态,以及心电图(ECG)、心率变异性(HRV)、皮电活动(EDA)、皮质醇等自主神经与生化传感技术所监测的taVNS效应。结果表明,taVNS可通过调节奖赏相关神经通路改善抑郁,并通过提升HRV、降低皮质醇水平缓解压力。尽管结果积极,但研究设计、刺激参数和结局指标的异质性限制了普适性。未来需致力于标准化方案、长期疗效验证及多模态传感融合,以优化闭环taVNS疗法。
来源:IEEE Sensors Journal
时间:2026-04-17
-
德国东北部急性神经远程医疗网络(ANNOTeM)的成本效益分析:改善农村地区结局的经济学证据
为解决农村地区急性神经急症(如卒中)专科救治缺失导致的结局差异,研究团队对德国东北部ANNOTeM远程神经专科网络开展了经济学评价。结果显示,该网络显著降低了90天死亡/新发护理需求风险(aHR 0.89),且人均成本仅微增(+2.6%),证实了其在资源匮乏地区的经济可持续性。
来源:Frontiers in Digital Health
时间:2026-04-17
-
音乐与敬畏:音调不协和所引发的复杂情绪
虽然前人研究已确认音乐与敬畏间的强烈关联,但协和与不协和在其中的作用尚不明确。为探索此问题,研究人员开展了一项主题为“音乐与敬畏:音调不协和所引发的复杂情绪”的研究,让参与者对协和与不协和的音乐片段在愉悦感、力量感和敬畏感方面进行评分。结果表明,协和音通常引发愉悦,而不协和音则在特定程度内引发更强的力量感和敬畏感。然而,当不协和程度过高(如高度半音化或无调性音乐)时,愉悦感和力量感均会下降。不协和音乐还能显著预测敬畏感多个维度的提升,包括时间感知改变、自我缩小、感知广阔、生理感觉和认知顺应需求。音乐经验是预测个体对不协和音乐反应差异的重要变量。此研究揭示了积极情感与情绪强度之间的不一致性,挑战了心理学文献中不协和音仅引发不快的普遍假设。
来源:Frontiers in Psychology
时间:2026-04-17
-
Flow-CDNet:一种融合光流与双时相差异分析的堤坝形变监测网络,实现缓变与剧变同步精准检测
为解决传统变化检测方法难以兼顾地表缓变与剧变的问题,研究团队开展了“Flow-CDNet”主题研究。该研究提出了一种融合光流与二元变化检测的双分支神经网络,通过自建数据集Flow-Change、结合Tversky loss和L2 norm的损失函数及新评估指标FEPE进行验证。结果表明,该方法在堤坝等场景的监测中能有效同步检测缓慢形变与突发塌陷,显著提升了地质灾害早期预警能力。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2026-04-17
-
基于最小二乘初始化与生成对抗网络增强CNN优化的6G多用户大规模MIMO高效导频信道估计
针对6G多用户大规模MIMO(MU-mMIMO)系统中,特别是在毫米波(mmWave,对未来太赫兹THz有借鉴意义)频段面临严重路径损耗和多用户干扰,实现高精度、低导频开销的信道估计这一关键挑战,本研究提出了一种新颖的两阶段LS-CNN框架。该研究通过利用稳定的最小二乘(LS)估计器获取粗信道估计,并采用经生成对抗网络(GAN)增强训练数据集训练的卷积神经网络(CNN)进行精炼,成功在DeepMIMO射线追踪数据集仿真中实现了比经典LS和MMSE估计器在低信噪比(SNR)下高达8 dB的归一化均方误差(NMSE)性能提升,同时所需导频符号减少60%,复杂度显著低于前沿视觉变换器(ViT),为6G实时部署提供了实用方案。
来源:Journal of Communications and Networks
时间:2026-04-17
-
Light SDI-NAS:基于神经架构搜索的表面缺陷分割轻量级卷积神经网络
陈青石(Qingshi Chen)、
陈彪(Biao Chen)、
贾先石(Xianshi Jia)
李凯(Kai Li)
摘要
近年来,卷积神经网络(CNN)在工业图像基础的表面缺陷
来源:Applied Sciences
时间:2026-04-17