-
特发性突发性感音神经性听力损失的发生率和结局的季节性影响
摘要
目的:探讨特发性突发性感音神经性听力损失(ISSNHL)的季节性发病是否会影响疾病发病率和听力恢复结果,以解决关于季节性预后因素的有限且相互矛盾的证据。
方法:这项回顾性队列研究分析了2012年至2023年间在三级转诊中心症状出现后14天内被诊断为ISSNHL的59
来源:Frontiers in Neurology
时间:2026-03-24
-
一个基于CNN和Bi-LSTM的模型流程,以及用于自由式摔跤动作识别的开放FSW数据集
摘要在近距离接触类运动中,人类动作的识别受到相互遮挡、快速姿势变化以及干扰性背景的影响。我们研究了自由式摔跤——这是一种具有持续身体互动的典型近距离接触运动场景——并发布了Open FSW数据集,该数据集包含210个经过处理的视频片段,涵盖了七种摔跤技巧(每种技巧30个片段),这
来源:Scientific Reports
时间:2026-03-24
-
在数据不平衡且存在缺失值的情况下,利用跨传感器协同蒸馏技术结合动态竞争力平衡机制进行故障诊断
不平衡缺失数据下的多传感器协同蒸馏与动态竞争力平衡框架提升了驱动电机故障诊断的准确性和鲁棒性,通过信号层对齐和语义层分布校准实现跨传感器知识共享,并基于学习进度自适应调节传感器贡献权重。
来源:Neurocomputing
时间:2026-03-24
-
WaveKAN:自适应小波分解与Kolmogorov-Arnold网络在长期时间序列预测中的应用
时间序列预测领域提出WaveKAN框架,通过自适应小波分解消除非平稳性和噪声,结合多尺度建模与动态损失函数优化提升长期预测性能,实验验证其优于Transformer和MLP方法。
来源:Neurocomputing
时间:2026-03-24
-
综述:生成对抗网络在旋转机械健康管理中的应用:综述、最新进展与展望
本文系统综述生成对抗网络(GAN)及其变体在旋转机械预测与健康管理(PHM)中的应用,涵盖数据增强、故障模式识别、健康状态评估等场景,分析技术发展脉络、应用范式及轻量化挑战,总结未来研究方向。
来源:Neurocomputing
时间:2026-03-24
-
平衡遗忘与记忆:基于机器学习的访问控制中策略更新的机器“反学习”方法的扩展
针对机器学习访问控制(MLBAC)中实时政策更新面临的稳定性与可塑性平衡难题,本文提出双阶段框架BFR。首先利用一阶梯度影响函数选择性遗忘旧策略,再通过分布感知校准快速适应新规则,在避免全量重训练和二阶Hessian计算的同时,有效维持模型对非更新策略的决策稳定性,显著提升实时性要求下的系统安全性。
来源:Neurocomputing
时间:2026-03-24
-
综述:利用数字技术分析心理数据以预测心理健康状况:关于抑郁症和自杀检测的综合性研究综述
本文系统综述了2018-2025年间AI/ML在抑郁症及自杀倾向检测中的应用,整合心理量表、社交媒体数据与算法实践,指出经典模型向Transformer和集成方法转变的趋势,同时揭示数据不平衡、可解释性及跨文化泛化等挑战,并提出多模态与伦理驱动的未来研究方向。
来源:Neurocomputing
时间:2026-03-24
-
在弱监督多标签学习中实现稳健的语义重建
本文提出RSWL方法,通过语义自表示学习与特征-标签依赖最大化纠正缺失标签,结合L1正则化和灵活稀疏邻域图嵌入,有效推断未知标签并克服现有方法对低秩标签空间和平滑假设的依赖,实验验证其优越性。
来源:Neurocomputing
时间:2026-03-24
-
基因增强型交叉熵强化学习
提出GA增强的CEM强化学习框架GECE-RL,通过周期性遗传算法探索弥补交叉熵方法的探索不足,结合行为新颖性注入机制灵活优化探索,实验表明在12个RL基准任务中相比基线方法训练时间减少49%,性能提升9.88%,自动驾驶任务成功率提高18.2%。
来源:Neurocomputing
时间:2026-03-24
-
为神经过程建模任务不确定性,以便通过更少的任务实现元学习
针对图神经网络少样本类增量学习中的过拟合和灾难性遗忘问题,提出G-Scaler框架,通过全局图结构传输与混合特征空间构建,实现任务适应策略迁移和语义偏移校正,提升模型对新任务适应能力并保持旧任务性能。
来源:Neurocomputing
时间:2026-03-24