• 前景引导的双分支学习：面向稀疏 4D 雷达的 3D 目标检测

  摘要4D 成像雷达提供了长距离感知和多普勒速度测量能力，同时在夜间场景和雨雪雾等恶劣天气条件下保持了强大的鲁棒性。这些优势使其成为自动驾驶 3D 感知中一种有前途的传感器。然而，由于雷达成像机制，4D 雷达点云通常高度稀疏且分布不均匀，并且经常受到背景杂波和孤立噪声点的污染。

  来源：Neural Networks

  时间：2026-09-26

• HAD-MSF: 结合状态空间与图建模的多域神经融合用于高光谱异常检测

  •HAD-MSF 联合建模空间、光谱和频率结构。•AdaWAT 学习具有任务自适应能力的类小波频率分解。•SF-Mamba 和 SSGCN 捕获长距离依赖以及空间-光谱依赖关系。•自适应门控机制融合互补分支以实现无监督重建。•HAD-MSF 以较低的算术复杂度实现了具有竞争力

  来源：Neural Networks

  时间：2026-09-26

• HieFormer：利用双曲几何克服Transformer的层次表达能力限制

  摘要：3D实例分割需要在精细的几何判别能力之外，还对现实世界对象和场景的层次化组织进行有效表征。然而，传统的Transformer架构主要在欧几里得空间中操作，其体积呈多项式增长，可能与具有强树状结构的数据匹配不佳，并可能在杂乱场景中导致特征拥挤。我们提出了HieFormer

  来源：Neural Networks

  时间：2026-09-26

• 受Kaczmarz启发的核典型相关分析加速方法：理论、算法及其在信息检索中的应用

  摘要 典型相关分析（CCA）作为多元统计分析中的一种基本方法，能有效捕捉配对变量之间的线性关系。然而，其线性约束限制了其在复杂非线性依赖关系建模中的适用性。核典型相关分析（KCCA）通过实现非线性关系建模和高维特征选择克服了这一局限性。现有的KCCA方法在处理大规模数据时面

  来源：Neural Networks

  时间：2026-09-26

• 面向可靠工业足式机器人的基于持续学习的状态感知估计

  面向强化学习运动的感知状态估计：将显式多状态估计、任务感知的状态利用和估计器可塑性保持统一为神经状态估计问题。可扩展且任务相关的状态估计：开发了基于混合专家模型的状态估计模块，配合状态选择器以估计异构机器人状态，并将任务相关的估计自适应地转发至控制策略。基于竞争的可塑性保持：

  来源：Neural Networks

  时间：2026-09-26

• Transformer 编码器中语法的作用：它对语言理解过程真的重要吗？

  ## 摘要 基于Transformer的方法在语言理解任务中表现出色，但语法在编码器表示中所起作用仍有待充分阐释。虽然仅解码器模型通过下一个词元预测隐式学习语言结构，但仅编码器模型仍然主导着许多分类和匹配任务，在这些任务中语法关系会影响决策边界。因此，我们提出两个研究问题：

  来源：Neural Networks

  时间：2026-09-26

• PINE：基于隐式表示的水下图像与逐帧视频物理正则化神经增强

  •使用隐式神经表示（INR）估计连续水下参数场。 •逐帧推理支持原生 4K 增强。 •物理正则化防止参数场崩溃。 •PINE 在 256 × 256 分辨率的 UVEB 基准测试中达到 30.28 dB 的 PSNR。 •边缘端流程在树莓派 5 上实现 1080p 下 25.

  来源：Neural Networks

  时间：2026-09-26

• 用于增强无人机视觉地理定位的多源地理空间融合

  **摘要** 目前，尽管无人机（UAV）的自主导航取得了显著进展，但在卫星导航信号失效时，可靠的地理定位仍是一个挑战。现有研究主要集中于跨视图图像检索、特征点匹配以及基于三维（3D）重建的视觉定位。虽然这些方法在小规模飞行场景中配合预采集的图像数据效果良好，但在缺乏先验信息

  来源：Neural Networks

  时间：2026-09-26

• 融合记忆卷积网络的向量自回归Transformer用于可解释的端到端癫痫预测

  摘要：准确早期预测癫痫发作对于改善患者预后至关重要，但由于显著的患者异质性，这仍然具有挑战性，这往往导致现有方法中的特征表示不充分和可解释性有限。为解决这些问题，本研究提出了一种新型的记忆卷积网络增强的向量自回归变换器（MemConvVAT），用于端到端癫痫发作预测。该模型主

  来源：Neural Networks

  时间：2026-09-26

• 异步链路攻击下多层网络的自适应钉扎安全同步

  本文主要贡献如下： • 建立了一个同时包含层内和层间链路攻击的多层网络模型。 • 考虑了异步链路攻击模型。 • 提出了一种自适应钉扎控制策略。 • 构造了一个拓扑解耦的Lyapunov函数。 **引言** 近年来，复杂网络（CNs）凭借其在刻画复杂耦合系统方面的强大能力，

  来源：Neural Networks

  时间：2026-09-26

知名企业招聘：