当前位置:首页 > 今日动态 > 神经科学
  • 基于张量网络的分布算法估计

    约翰·加德纳 | 哈维尔·洛佩兹-皮克雷斯 量子计算倡议,纳斯达克公司,11 Farnsworth St,波士顿,MA 02210,美国 **摘要** 张量网络最初是在多体量子物理的背景下被使用的工具,如今在计算科学领域有着广泛的应用,从数值方法到机器学习都有涉及。

    来源:Neurocomputing

    时间:2026-03-09

  • SaBER-LLMs:利用大型语言模型实现安全意识行为嵌入表示,以进行细粒度恶意软件分析

    赵静|云武|崔超远 中国科学院合肥物质科学研究院智能机器研究所,中国合肥,230031 摘要 越来越多的基于API调用序列的恶意软件检测方法试图结合细粒度的语义信息,即参数和返回值,但面临两个核心挑战:语义复杂性和状态爆炸。这些问题源于难以为特定领域的参数和返回值建

    来源:Neurocomputing

    时间:2026-03-09

  • 通过连续基追踪实现梯度压缩,从而提高神经网络训练的内存效率

    孟新民 | 穆罕默德·A·A·阿卜杜勒加瓦德 | 彭静 | 张瑞昌 | 洪燕 香港城市大学电气工程系与智能多维数据分析中心,香港 **摘要** 大型语言模型(LLMs)在广泛的任务中取得了前所未有的成功,但由于参数数量庞大和优化器状态众多,它们的训练和微调需要大量的

    来源:Neurocomputing

    时间:2026-03-09

  • 指纹能揭示双相情感障碍的风险

    **摘要** **背景** 指纹图案在怀孕期间形成,与中枢神经系统具有共同的胚胎起源。考虑到产前异常与精神分裂症高风险之间的观察到的关系,我们之前开发了基于指纹的算法,在大量精神分裂症患者样本中实现了高达70%的验证准确性。在这项新研究中,我们将这些算法应用于双相情感障碍患者样

    来源:Bipolar Disorders

    时间:2026-03-09

  • 高渗透率新能源微电网中虚拟静止无功发生器(VSG)的自适应虚拟惯性参数调整与控制

    虚拟同步发电机(VSG)在微电网中应用时面临参数固定导致适应性不足的问题。本文提出融合短时频率预测与模糊径向基神经网络(FRBFNN)的自适应VSG策略:首先通过增量学习预测器实时估计频率及其变化趋势,实现虚拟惯性的预调以减少延迟;其次FRBFNN非线性映射预测特征到惯量指令,并在线调整基函数宽度以增强鲁棒性。仿真验证表明该方法使频率偏差波动降低超15%,在低惯性场景下有效提升阻尼性能,且计算复杂度低适合嵌入式控制器部署。

    来源:Electric Power Systems Research

    时间:2026-03-09

  • 一种具有自适应多突变机制的逻辑梯度自主优化数值脉冲神经膜系统,用于砂岩孔隙分割

    数字岩心孔隙分割中,基于Logistic梯度自主优化数字脉冲神经网络系统(LGAONSNPS)的多阈值分割方法有效提升了计算效率和孔隙结构表征精度,在CEC 2017基准测试中优于七种传统优化算法,对砂岩岩心的CT图像分割准确率达95%以上,数字岩心重建孔隙率误差仅0.64%。

    来源:Computers & Geosciences

    时间:2026-03-09

  • 在随机延迟环境下优化TTL缓存层次结构:直接方法与基于图变换的学习

    TTL缓存层次结构在随机网络延迟下的非线性优化与机器学习方法研究,提出基于α公平性的解析解和exTTL策略补偿存储不匹配,并开发图神经网络解决大规模系统优化问题。

    来源:Computer Networks

    时间:2026-03-09

  • 利用深度学习和遗传算法优化框架对亚共析珠光体钢微观结构进行逆向设计

    本研究提出一种端到端框架,结合生成对抗网络(GAN)和卷积循环神经网络(ConvLSTM)生成金属微观结构,并通过遗传算法(GA)优化设计,实现目标力学性能的快速逆设计。该方法整合实验数据和有限元模拟,有效减少计算时间,适用于hypoeutectoid钢等材料系统的多尺度性能预测与优化。

    来源:Computational Materials Science

    时间:2026-03-09

  • 利用基于物理知识的神经网络预测碳纳米管森林的生长动态和力学特性

    物理信息Transformer模型用于加速碳纳米管森林生长模拟与结构预测,通过引入粘附接触、固定根和曲率惩罚约束,在保证96.8%接触保留率和<2%力学性能误差前提下,实现500倍仿真速度提升与38倍内存优化。

    来源:Computational Materials Science

    时间:2026-03-09

  • 利用液态神经网络对真实三轴条件下的冻土进行智能本构建模,并分析其力学响应

    冻土力学特性与智能本构模型研究通过低温真实三轴试验揭示冻砂土多场耦合下的强度与体积变形规律,提出融合液态神经网络(LNN)、LSTM与注意力机制的智能本构框架,有效捕捉动态环境参数与应力应变演化规律,实验验证模型预测精度达R²≈0.990,优于传统模型,为寒区工程安全评估提供新方法。

    来源:Cold Regions Science and Technology

    时间:2026-03-09


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