• 基于可解释1D-CNN与高光谱成像的南果梨早期压缩损伤检测

  摘要南国梨的早期压伤难以通过目视检查发现。然而，它对其储存质量和商业价值有显著影响。为了解决这一问题，本研究开发了一种结合定量压缩实验和高光谱成像（HSI）技术的方法，用于检测和可视化南国梨的早期压伤。在压缩后24小时，采集了400–1000 nm光谱范围内健康梨和压伤梨的高

  来源：Journal of Food Measurement and Characterization

  时间：2026-10-04

• 基于多通道卷积神经网络和同源分析的结构状态识别

  摘要传统的基于深度学习的结构状态识别方法通常建立在闭集假设之上，这限制了它们在结构健康监测中处理未见结构状态的能力。为了解决这一局限性，本文提出了一种基于同源性分析的卷积神经网络结构状态识别框架，将传统的多分类任务重新表述为多通道状态一致性学习问题。首先从时域振动响应中提取归

  来源：Structures

  时间：2026-10-04

• 模块化引导的物理信息异构图神经网络用于潮流预测

  摘要 高比例可再生能源接入和动态拓扑变化对快速、准确且具有拓扑适应性的潮流（PF）预测提出了迫切需求。传统迭代潮流计算方法计算开销大，且在重复场景评估或拓扑变化下可能面临收敛困难。纯数据驱动模型往往无法捕捉拓扑异质性和物理约束，从而限制了其泛化能力和物理一致性。本研究提出P

  来源：Sustainable Energy, Grids and Networks

  时间：2026-10-04

• 公平图学习需要表达力：从谱视角重新思考公平性

  摘要AI摘要要查看此AI生成的摘要，您需要拥有高级访问权限。了解更多登录摘要摘要图神经网络（GNNs）已取得显著成功，但容易编码和放大社会偏见。当前公平图学习研究主要聚焦于通过输入数据预处理、训练优化或模型架构修改来开发专门的去偏技术，其假设是GNN骨干网络是一个可替换的组件

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2026-10-04

• LOGIN：大型语言模型辅助的图神经网络训练框架

  最近主流的图机器学习研究通常遵循一种方法论，即设计先进的图神经网络（GNN）变体以适应多样的图特征。本文旨在通过利用大语言模型（LLM）来增强基础GNN，从而简化这一过程。在现有的"LLM作为预测器"和"LLM作为增强器"类别的基础上，我们提出了一种将LLM与图学习相结合的新

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-10-04

• 每个地点都有其节奏：赋予时间序列Transformer空间洞察以实现长期时空预测

  摘要AI 摘要要查看此 AI 生成摘要，您必须拥有高级访问权限。了解更多登录摘要摘要Transformer 在时间序列预测方面展现了广阔前景，这归功于其卓越的捕捉时间依赖关系的能力。然而，现有的 Transformer 模型主要关注单变量/多变量时间序列内部的时间依赖关系。这

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-10-04

• RoBCtrl：通过强化操纵机器人控制交互攻击基于 GNN 的社交机器人检测器

  摘要 社交网络已成为个人获取实时信息的重要来源。社交机器人（bot）在这些平台上的影响力引起了研究人员的高度关注，并推动了众多检测技术的发展。然而，这些检测方法的安全性与鲁棒性仍未得到充分探索。现有的基于图神经网络（GNN）的方法由于存在"对社会代理的控制有限"、"机器人检

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2026-10-04

• 在我看来（IMoKGNN）：图神经网络中通用语言模型特征与任务特定语言模型特征的双流融合方法

  摘要 AI摘要

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-10-04

• GNN-LS：一种针对图上标签稀缺的信息增强方法

  **摘要** 标签稀缺严重阻碍了图上的节点分类任务的性能。为了克服标签所提供的监督信息不足的问题，一些研究工作尝试结合基于自监督学习的预训练任务，旨在从图数据本身挖掘内在信息作为补充。然而，现有方法的表示学习能力受到两个主要因素的削弱：(1) 由于有限标签的利用不足导致的监

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2026-10-04

• 脑机接口时代下的思维隐私危机：神经解码、消费级设备与认知自由保护

  脑机接口（brain–computer interface，BCI）尤其是自适应闭环系统的快速发展，为医学干预与人类增强带来前所未有的机遇；同时，临床外场景应用扩张也对思维隐私构成显著风险。研究人员综述了神经解码进展及其未来轨迹，以评估当前与可预见技术可揭示哪

  来源：TRENDS IN Neurosciences

  时间：2026-10-03

知名企业招聘：