-
用于向量数据分类的稀疏分布式表示的参数化方法
本研究通过参数化分析稀疏分布式表示(SDR)在向量符号架构(VSA)中的应用,探讨了维度与密度的优化策略,比较了Sparse Block Codes(SBC)、Sparse Binary Distributed Representations(SBDR)与密集HRR的模型性能,在121个UCI数据集验证了稀疏方法在能效和存储效率上的优势,同时达到与密集方法相当的分类准确率。
来源:Neurocomputing
时间:2026-03-01
-
DARTS-AM:通过归因强度来强化可微分神经架构的选择过程
通过理论分析和积分梯度方法,提出归因幅度(AM)和尺度不变变换(SIAT),解决DARTS操作重要性评估问题,提升超网络架构搜索效率。
来源:Neurocomputing
时间:2026-03-01
-
CIFE-FSOD:通过联合提取通用特征和实例特定特征实现少样本目标检测
少样本目标检测方法提出基于特征分离与课程学习的训练范式,通过Memory模块动态筛选高质量特征并构建持久记忆库,结合Meticulous模块增强实例特征感知,有效提升模型在PASCAL VOC和COCO数据集上的检测精度,平均AP50达39.6。
来源:Neurocomputing
时间:2026-03-01
-
傅里叶神经算子作为二维和三维瑞利-贝纳德对流现象的数据驱动替代模型
本文提出基于Fourier Neural Operator(FNO)的模型,用于近似二维和三维Rayleigh-Bénard对流系统的离散时间流图。实验表明FNO在预测准确性和稳定性上优于LRAN,并与U-Net表现相当,同时具备零样本超分辨率能力,物理预测结果更接近真实数据。
来源:Neurocomputing
时间:2026-03-01
-
ViSP:一种基于PPO框架的多模态讽刺生成系统,采用对比学习技术
多模态讽刺生成研究提出M2SaG数据集与ViSP框架,融合PPO强化学习与对比学习提升生成质量,实验显示其优于文本模型、VLM及LLMs,Sarcasm Score达0.898,事实不匹配度0.768。
来源:Neurocomputing
时间:2026-03-01
-
情境不一致性会选择性调节情绪和奖励敏感性
情绪与奖励决策的上下文一致性对行为策略和神经机制的影响研究。通过两种修改的Iowa赌博任务实验结合EEG技术,探讨上下文一致性与不一致性如何调节情绪-奖励处理及决策行为。研究发现,上下文不一致时情绪敏感性降低但奖励敏感性保持,支持双过程理论,并揭示FRN和P300在神经层面的动态变化。
来源:Neuropsychologia
时间:2026-03-01
-
针对大规模高光谱图像(HSI)的高效超像素引导的全局-局部光谱聚类方法
高光谱图像聚类方法中,传统谱聚类计算复杂度高,本文提出ESGLGC模型,通过超像素分割(ERS算法)降低维度,构建全局图(图卷积子空间学习)和局部多层图,融合后提升聚类精度与效率。
来源:Neurocomputing
时间:2026-03-01
-
基于双向多阈值LIF神经元的轻量高效脉冲UNet模型
脉冲神经网络(SNNs)因事件驱动和生物可解释性在边缘图像处理中潜力显著,但传统LIF/IF神经元单阈值触发导致膜电位强度和负向信息丢失。本文提出双向多阈值LIF(BMT-LIF)神经元模型,通过可学习的双向多级阈值编码有效缓解信息损失,并构建轻量化高效SNN-UNet(LES-UNet)架构,参数量较传统U-Net减少94%,同时设计多阈值梯度贡献机制实现直接训练。实验表明,在DRIVE图像分割数据集上3步内F1达0.820,BSD68去噪数据集PSNR达28.76 dB,较传统架构显著提升推理速度与处理效果。
来源:Neurocomputing
时间:2026-03-01
-
在传输速率限制下,非智能传感器的数据传输策略
最优数据包丢失持续时间(PLD)的非智能传感器传输策略研究,通过建立估计误差协方差动态模型和马尔可夫链描述传输率约束,推导出无需本地计算的最优阈值表达式,并验证其在机器人系统中的有效性。
来源:Neurocomputing
时间:2026-03-01
-
基于历史可靠性的双重对比哈希算法,用于在标签存在噪声的情况下实现鲁棒的跨模态检索
跨模态哈希在噪声标签和模态差距共存时通过历史损失引导的标签可靠性估计和双对比学习模块提升检索鲁棒性,实验验证其优于现有方法。
来源:Neurocomputing
时间:2026-03-01