当前位置:首页 > 今日动态 > 神经科学
  • 围产期和胎次对奶牛皮下脂肪组织局部神经支配标志物的影响

    脂肪组织是满足奶牛围产期代谢需求的关键能量来源。然而,脂肪组织过度释放非酯化脂肪酸(nonesterified fatty acids, NEFA)可导致产后代谢疾病。本研究旨在识别不同胎次奶牛在围产期脂肪组织中神经系统基因和蛋白质标志物的变化,并定义其与循环

    来源:Journal of Dairy Science

    时间:2026-03-26

  • 大鼠喉上神经内支传出神经元的投射靶点:显微解剖、糖原耗竭、免疫组化神经纤维分析、肌电图研究及三维重建

    喉部内肌是否仅由喉下神经(ILN)支配的经典观点长期存在争议。为解决此问题,研究者们在大鼠模型中,通过显微解剖、改良Sihler’s法、糖原耗竭、免疫组化、肌电图(EMG)和三维重建等多种技术,系统地研究了喉上神经内支(SLNib)的潜在运动纤维投射靶点。研究证实,后环杓肌(PCA)的腹外侧部(vl)是真正的声带外展肌,在大鼠体内接受来自喉下神经和喉上神经内支的双重运动神经元支配,挑战了固有喉肌仅由喉下神经支配的传统理论。这一发现为喉神经支配解剖学提供了新见解,对理解喉功能及临床诊疗具有重要意义。

    来源:Anatomical Science International

    时间:2026-03-26

  • SCMPPI:一种用于预测蛋白质-蛋白质相互作用的监督对比多模态框架

    蛋白质相互作用预测的监督对比多模态框架SCMPPI通过整合序列特征(AAC, DPC, ESMC-CKSAAP)与网络拓扑(Node2Vec),结合增强的监督对比学习和负面样本过滤机制,有效提升预测准确性和跨物种泛化能力,实验验证优于基线模型。

    来源:Neurocomputing

    时间:2026-03-26

  • EA-ACCM:通过相邻上下文协调模型实现基于边缘锚点的RGB-D显著性检测

    RGB-D显著目标检测新框架EA-ACCM通过相邻上下文协调模块解决跨尺度特征错位、深度边缘不一致及噪声问题,采用双Swin Transformer编码器结合可变形卷积与边缘引导解码器,在实时性(28FPS)下取得五项RGB-D基准最优精度。

    来源:Neurocomputing

    时间:2026-03-26

  • 用于多智能体强化学习的双重蒸馏网络

    多智能体强化学习(MARL)中,传统CTDE框架因局部观测不完整导致累积误差,影响协作策略训练。本文提出双蒸馏网络(DDN),通过外部蒸馏模块(EDM)和内部蒸馏模块(IDM)协同优化:EDM采用全局指导网络与局部策略网络的多级蒸馏机制,减少全局-局部信息差距;IDM基于全局状态新颖性设计内在奖励,提升探索效率。实验表明,DDN在星际争霸II和捕食者-猎物基准上显著降低误差,增强协作策略学习效果。

    来源:Neurocomputing

    时间:2026-03-26

  • FRCFD-net:通过双分支特征细化、跨层融合和差异增强实现多帧超分辨率

    多帧超分辨率网络FRCFD-Net通过双分支特征精修模块、跨层特征融合模块和特征差异增强模块协同优化细节恢复、冗余抑制与计算效率,实验表明其PSNR达37.68 dB,SSIM 0.9487,显著优于EDVR等基准方法,适用于资源受限的遥感场景。

    来源:Neurocomputing

    时间:2026-03-26

  • 一项关于无监督小样本学习的实证研究,该研究利用了自监督表示学习方法

    无监督少样本学习通过系统比较七种自监督方法在九个基准数据集上的表现,揭示不同SSL方法在数据稀缺、领域内分类和跨域迁移场景下的最优选择:VICReg鲁棒性最强,Barlow-Twins跨域效果最佳,BYOL数据充足时上限最高,且需根据任务特性选择方法。

    来源:Neurocomputing

    时间:2026-03-26

  • 一种基于岭回归和最优缩放的新型半监督聚类算法

    半监督聚类中提出基于岭回归的无相关约束最优缩放策略(UROSC),动态缩放矩阵解决连续投影与离散指示的尺度不匹配,改进坐标下降算法一步获得离散解,有效避免平凡解,并在12个数据集验证其优越性。

    来源:Neurocomputing

    时间:2026-03-26

  • 具有对抗性图凝聚的类增量式连续图学习

    本文提出ACGR框架,通过对抗性图凝聚和分布建模解决持续图学习中生成回放方法的两大局限:随机编码器难以捕捉特征核,固定子图导致风险高。实验表明ACGR在准确性和稳定性上优于现有方法。

    来源:Neurocomputing

    时间:2026-03-26

  • MMCGR:一种基于RWKV的多模态级联门控融合模型,用于对话中的情感识别

    多模态情感识别中,现有方法因模态竞争和融合不足导致信息利用不充分。本文提出基于RWKV的级联融合模型MMCGR,通过跨模态双窗口注意力机制和参数共享策略,解决模态异质性问题,再采用级联门控动态加权融合。实验表明,在IEMOCAP和MELD数据集上,模型相比基线方法提升显著,验证了跨模态交互和动态融合的有效性。

    来源:Neurocomputing

    时间:2026-03-26


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