-
SINCox+SIG:一种在建模与归因中具备双重稀疏性的可解释深度生存分析框架
# 摘要
生存分析涉及预测灵活性与模型可解释性之间的固有权衡。传统统计方法,如Cox比例风险模型,提供了透明的效应估计,但在捕捉复杂非线性协变量关系方面存在局限。相反,深度生存模型提供了更强的表征能力,通常以牺牲可解释性为代价。为了应对这一局限,我们提出了SINCox+SI
来源:Neurocomputing
时间:2026-10-09
-
通过脉冲控制实现时延反应扩散神经网络指数同步的条件
•我们研究带有时滞的驱动-响应反应扩散神经网络脉冲同步问题,建立了一个统一的分析框架。•对激活函数施加了一个松弛的双侧斜率条件,允许斜率上下界同时为负和为正。•建立了较为宽松的条件以实现指数同步,改进了文献中已有的结果。引言本文讨论的模型将扩散项引入具有神经元间反馈互连的经典
来源:Neurocomputing
时间:2026-10-09
-
具有任意有限个相互连接神经元和有限时延的离散时间 Hopfield 神经网络的混沌现象
摘要:我们证明,在简洁且易于验证的充分条件下,具有任意有限个全互联神经元和有限个时延的离散时间神经网络可以表现出混沌动力学行为。这与现有研究形成关键区别,因为现有研究通常对神经元数量和时延数量施加约束。为了分析该系统,通过新颖的投影坐标选择和等价的升维变换,我们将神经网络转化
来源:Neurocomputing
时间:2026-10-09
-
RAVEN3D:一项旨在将视觉 - 语言推理从二维平面推进至三维世界的基准
摘要
现有的3D数据集不适合用于抽象视觉推理:它们针对的是空间理解而非规则归纳,且其平坦的单视角设计无法区分失败是源于不准确的3D感知还是抽象推理能力不足。这种模糊性掩盖了当前视觉语言模型(VLMs)在3D抽象推理中的根本局限。为此,我们提出了RAVEN3D,一个包含108
来源:Neurocomputing
时间:2026-10-09
-
基于动态负采样与多尺度难样本挖掘的对比图聚类
摘要 深度图对比学习通过最小化类内节点之间的距离并建立明显的类间边界来增强特征表示。然而,它面临两个基本挑战:首先,负采样过程容易受到"伪负例"的影响,从而限制了所学习表示的判别能力和鲁棒性;其次,原始图中固有的异质性和噪声会削弱关键的判别信号,导致特征过度平滑和可分性降低。
来源:Neurocomputing
时间:2026-10-09
-
CausalPose:面向智能体育动作纠正的运动链偏差因果归因
摘要准确识别导致所观察到的动作错误的根本技术偏差对于表现提升和损伤预防具有重要意义。现有的动作评估方法主要从统计关联层面学习关节轨迹与质量标签之间的关系,因此并未显式地区分上游偏差与其下游的运动学表现。我们提出CausalPose,一个面向运动技术纠正的基于模型的根因归因框架
来源:Neurocomputing
时间:2026-10-09
-
基于聚类的数据分区技术在机器学习地面沉降易发性建模中的应用
摘要 土地沉降是一个关键的环境与社会经济挑战,需要准确的易发性制图来最大限度减少其对基础设施和人类活动的影响。本研究探索了基于聚类的数据划分方法在伊朗Eghlid县土地沉降易发性制图(LSSM)中提升XGBoost(极端梯度提升)模型性能的应用。传统的随机划分方法常面临特征分
来源:Neurocomputing
时间:2026-10-09
-
神经网络形式化验证的两级加速:目标感知拆分排序与验证器无关学习路由
验证器无关的路由器会跳过由后备验证器预测为安全的高置信度实例。
目标感知的分裂排序优先考虑具有影响力的不稳定ReLU神经元。
该组合框架将ACAS Xu的运行时间从10.40分钟减少至3.62分钟。
风险通过一致性、假安全案例和阈值分析进行报告。
**引言**
神经网络形
来源:Neurocomputing
时间:2026-10-09
-
CoDE-FL:用于通信高效联邦轨迹预测的核心集引导进化神经网络
•CoDE-FL将轨迹核心集敏感性与神经拓扑演化关联起来。•双阶段核心集保留了具有信息量的实体和时间运动模式。•E-STN将活动通道和掩码适应于局部轨迹复杂度。•稀疏共识聚合在保持准确性的同时减少了上行流量。引言随着定位感知传感器、智能车辆和移动跟踪应用的快速普及,轨迹预测已
来源:Neurocomputing
时间:2026-10-09
-
产前应激增强成年大鼠对阿扑吗啡奖赏的易感性并影响5-HT1A受体敏感性
摘要产前应激近来被发现是影响神经发育变化的主要因素之一,这会导致成年后对药物滥用的易感性增加。本研究旨在评估产前不可预知的慢性轻度应激对成年雄性大鼠阿扑吗啡奖赏易感性及5HT-1A受体功能的影响。实验中将雌性大鼠从妊娠第6天至分娩期间暴露于慢性轻度应激下。在成年动物中,测量了
来源:Physiology & Behavior
时间:2026-10-09