• 基于确定性学习的知识融合新成果

  •为具有不同非线性动力学的系统开发了基于确定性学习的融合方法。 •利用RBF局部近似特性构建了加权最小二乘融合模型。 •基于神经元激活的加权方案在保持局部精度的同时提高了泛化能力。 •所提出的融合方案通过ZGS策略扩展为全分布式框架。 •理论上保证了向全局最优融合解的指数收敛

  来源：Neural Networks

  时间：2026-10-06

• 一种仿生pH响应性碳酸锰纳米颗粒高效递送STING激动剂用于高危神经母细胞瘤免疫治疗

  摘要环状核苷酸是癌症免疫治疗中极具前景的STING激动剂，但其临床转化受到细胞摄取率低、清除速度快和胞质递送效率不高的限制。在此，我们报告了一种仿生纳米平台（MV@CMNPs），可实现对2′,3′-环状GMP-AMP（2′,3′-cGAMP）的高效负载及肿瘤微环境响应性释放，

  来源：Nano Today

  时间：2026-10-06

• 复值混合阶神经网络：一种针对动态广义李亚普诺夫方程的新型抗噪声求解策略

  • 提出了一种复数值混合阶神经网络（CV-HBONN），用于求解复数值动态广义李雅普诺夫方程（CV-DGLE）。该网络采用了新颖的混合幂误差函数设计，这种设计将分数阶项集成到符号双幂激活函数中以实现有限时间收敛，积分项用于抗噪声，累积项用于加速误差下降，这些特性与高阶神经网络类似

  来源：Neural Networks

  时间：2026-10-06

• 黄芪甲苷IV通过抑制p53/p-Drp1轴改善线粒体完整性并减少奥沙利铂诱导后背根神经节神经元的凋亡

  •AS-IV可改善奥沙利铂诱导的DRG神经元损伤。•AS-IV通过抑制p53/p-Drp1信号通路在OIPN中发挥神经保护作用。•AS-IV可纠正OIPN中的线粒体功能障碍和能量代谢紊乱。•AS-IV可改善OIPN大鼠的机械性痛觉过敏和热痛觉超敏。•AS-IV通过p53/p-

  来源：Tissue and Cell

  时间：2026-10-06

• 涡虫学习与记忆的行为及神经化学机制

  •涡虫表现出经典、操作性及与威胁相关的学习和行为反应。•谷氨酸能、GABA 能和多巴胺能神经递质系统调节与记忆相关的行为反应。•再生能力和记忆持久性使涡虫成为研究学习和记忆机制的有力模型。引言涡虫是研究记忆和学习的宝贵模式生物。这些扁形动物拥有双侧对称的中枢神经系统（图 1）

  来源：Neurobiology of Learning and Memory

  时间：2026-10-06

• 脑炎和视神经脊髓炎谱系障碍母亲后代的长期神经精神科结局：一项全国队列研究

  摘要背景： 多发性硬化症（MS）和视神经脊髓炎谱系疾病（NMOSD）主要影响育龄女性，但母体疾病状态对子代长期结局的影响尚不明确。方法： 利用韩国国家健康保险服务数据库（2005–2019年），我们开展了一项全国性队列研究。识别了产前被诊断为MS或NMOSD的母亲的活产子代，

  来源：Multiple Sclerosis and Related Disorders

  时间：2026-10-06

• 基于近红外光谱的PLS-RBF神经网络用于完整新鲜玉米籽粒多组分快速准确预测

  • 提出了一种PLS-RBF神经网络用于完整鲜食玉米籽粒的品质评估。• PLS在光谱特征提取方面优于PCA。• 基于近红外光谱的PLS-RBF神经网络取得了可接受的预测性能。引言鲜食玉米是一种营养丰富的作物，广泛作为鲜玉米食用，具有重要的膳食和经济价值（Bao等，2025；W

  来源：Food Chemistry

  时间：2026-10-06

• 患有严重智力障碍和多种残疾的成人的低BMI肌肉减少性肥胖：使用生物电阻抗分析和CT进行身体成分分析

  摘要目的利用生物电阻抗分析（BIA）和CT技术，明确智力严重障碍及多重残疾（PIMD）患者在机构中患肌肉减少性肥胖（SO）的患病率、纵向变化及身体组成特征。方法在101名经过筛查的居民中，有77名患有PIMD的机构化成人（中位年龄52岁）在三年内每年接受一次BIA检测。肌肉减少症

  来源：Brain and Development

  时间：2026-10-06

• ADA-DPM：一种基于神经网络描述子的同步定位与建图策略，用于从粗到细的点云配准

  摘要 同步定位与地图构建（SLAM）是一项用于在未知环境中进行姿态估计和地图构建的基础技术。然而，现有方法往往难以在定位精度和系统鲁棒性之间取得平衡，尤其是在动态、噪声干扰且非结构化场景中。为解决这些挑战，我们提出了ADA-DPM，一种基于粗到精配准的自适应点云噪声滤波SLA

  来源：Neurocomputing

  时间：2026-10-06

• SPVLG：一种基于多模态融合与参数高效微调的视觉-语言-抓取模型

  摘要预训练大型多模态模型（LMMs）的出现极大地推动了语言驱动的机器人抓取技术发展。然而，由于机器人平台计算资源有限，对这些模型进行全量微调往往不切实际。此外，在非结构化环境中实现稳健且精准的抓取，需要对异构模态信息进行有效融合，这仍是一个关键挑战。本文提出了一种端到端语言驱

  来源：Neurocomputing

  时间：2026-10-06

知名企业招聘：