• 腹侧齿状回的 PACAP 神经元不参与恐惧习得

  •PACAP-Cre小鼠与野生型小鼠之间未出现CNO剂量差异。•通过声音-电击组与仅情境-电击组和情境-无电击组的对比，确认了线索恐惧学习。•在温和电击条件下的两天恐惧训练中，vDG PACAP神经元未改变恐惧反应。•兴奋性DREADD组中观察到的效应反映的是时间特征差异，而

  来源：Physiology & Behavior

  时间：2026-10-09

• 链脲佐菌素诱导的妊娠期和产后糖尿病：对雌性Wistar大鼠行为和海马可塑性的影响

  •断奶后未发现行为方面存在统计学显著差异。•探索性分子分析提示，断奶后GDM（妊娠期糖尿病）鼠妈妈的海马BDNF mRNA表达水平更高。•探索性组织学分析提示，断奶后齿状回DCX表达发生改变。引言妊娠期糖尿病（GDM）是最常见的妊娠代谢疾病之一，影响全球14%的妊娠[1,2]

  来源：Physiology & Behavior

  时间：2026-10-09

• 母体妊娠期缺铁与大鼠后代的行为改变和脑铁浓度降低相关

  •母体妊娠期的缺铁改变了后代的行為表現。•后代的大腦鐵含量降低。•這些變化伴隨著海馬體的BDNF表達改變。•多項結果表現出性別依賴性的反應模式。•母體鐵供應可能影響後代的神經發育。引言鐵是一種必需的微量營養素，在正常生長和神經發育中起著關鍵作用[1]。在生命早期，鐵參與許多生

  来源：Physiology & Behavior

  时间：2026-10-09

• 图Transformer和图神经网络互为良师

  •GNN与图Transformer展现出互补的局部-全局偏差。•蒸馏方法比直接融合能更好地整合GNN与GT的表示。•DMKD实现了GNN与GT之间的架构无关互知识蒸馏。•方向自适应KD可控制跨图骨干网络的知识迁移。•实验表明在三个图级基准上取得了一致的性能提升。引言在许多真实

  来源：Pattern Recognition

  时间：2026-10-09

• 知识引导的多目标深度学习实现工业镁合金识别的稳健LIBS分析

  •提出了一种知识引导的多目标深度学习框架，用于基于LIBS（激光诱导击穿光谱）的稳健工业镁合金识别。 •灰狼优化器（GWO）实现了兼顾识别精度、噪声鲁棒性和推理效率的多目标超参数优化。 •将NIST光谱先验嵌入卷积神经网络（CNN），以抑制噪声引起的伪峰并提升模型可解释性。

  来源：Talanta

  时间：2026-10-09

• 深度强化学习指导的动态聚类通道剪枝

  ## 摘要 基于深度强化学习（DRL）的卷积神经网络剪枝方法从理论和实践角度为自动化模型压缩提供了有效的框架。然而，现有的基于DRL的剪枝方法通常忽略了网络状态表示中通道的功能特性和相似性。此外，它们的动作空间通常被设计为生成逐层剪枝比率，这限制了其直接识别冗余通道的能力。

  来源：Knowledge-Based Systems

  时间：2026-10-09

• 基于压缩 - 激励的多头网络用于重建基于惯性测量单元的数字笔的手写轨迹

  - 使用IMU数字笔在任意表面上进行数字手写笔迹重建。 - 针对纸张和平板上的书写进行跨域学习，使用单一模型实现。 - 基于多头和时序卷积网络（TCN）并融合压缩-激发（SE）机制的神经网络。 - 通过神经网络优化压缩模型并将其嵌入笔身。 - 通过分配硬件/软件复杂性，实现高

  来源：Pattern Recognition Letters

  时间：2026-10-09

• CoRas：用于分布式之外图谱中的图谱理由学习的协作性理由选择算法

  摘要：解决训练集和测试集之间的分布变化对于图神经网络（GNNs）至关重要。图理由学习作为一种有效范式应运而生，通过提取不变的子图作为预测的理由来应对这一挑战。然而，现有方法通常依赖于由理由提取器生成的子图，而没有明确评估其可靠性，特别是在训练早期阶段，提取器容易生成不准确或有偏的

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2026-10-09

• CPGNet：一种用于多标签全切片图像分类的基于层次化类别引导的多模态图学习方法

  摘要：数字病理学中全切片图像（WSI）类别的分析是临床医生对癌症患者进行诊断、治疗和预后决策的重要依据。然而，目前用于癌症类型识别的自动化方法主要被表述为单标签分类问题。这些方法通常依赖于样本相对平衡且丰富的数据集，其中每个样本属于单一类别。该方法与真实临床场景并不完全吻合

  来源：IEEE Transactions on Big Data

  时间：2026-10-09

• 基于深度学习驱动视频分析的儿科谵妄自动识别

  摘要：谵妄是一种急性、波动的意识障碍状态，其特征为认知功能改变和感知障碍。儿童谵妄的发生率显著高于成人谵妄，且临床医师对其进行研判耗时耗力，需要有效的识别方法。深度学习在提取鲁棒特征表示和改善患者预后方面展现出潜力。本研究从多家医院收集了129个由专业临床医师标注的视频样本

  来源：IEEE Transactions on Big Data

  时间：2026-10-09

知名企业招聘：