• 通过离线深度强化学习在社交网络中实现影响力最大化

  • 固定缓冲区离线强化学习（RL）支持重复的影响最大化部署。 • 相对悲观的高智能体-批评家（Actor-Critic）机制减轻了外来数据（OOD）值的估计偏差。 • 一次性顶级解码（One-shot Top-encoding）能够实现低延迟的种子集生成。 • 在降低

  来源：Neurocomputing

  时间：2026-10-22

• PhySR-net：基于物理引导的双分支架构的水下图像子空间修复网络

  **摘要要点：** - 频率解耦的物理反演可防止严重噪声放大。 - 方差抑制注意力显式地滤除局部水下后向散射。 - 双流网络通过自适应调制处理空间不均匀退化。 - 该混合框架实现了有效可靠的水下图像增强。 --- **引言** 水下成像在广泛的科学和工业应用中发挥着不

  来源：Neurocomputing

  时间：2026-10-22

• 通过灵活的梯度缩放技术来最大化联邦 unlearning（联合反向学习）过程中的熵值

  摘要由于严格的隐私法规和模型安全要求，联合去学习（Federated Unlearning，FU）作为一种从全局模型中有效消除特定数据影响的范式应运而生。然而，现有方法难以动态解决去学习效果与全局模型效用之间的权衡问题，从而导致去学习不完全或过度去学习，这迫使人们依赖计算成本高昂

  来源：Neurocomputing

  时间：2026-10-22

• 深度学习时代的通用视觉分割综述

  • 全面回顾了通用分割领域的研究进展。 • 讨论了各种通用方法之间的差异、优势与局限性。 • 探讨了通用分割模型在两项视觉任务中的应用。 • 总结了通用分割面临的挑战，并概述了未来的研究方向。 引言 视觉分割（VS）是计算机视觉中的一项关键任务，旨在将图像或视频中的像素级

  来源：Neurocomputing

  时间：2026-10-22

• 潜在有界阶数交互作用注意力（Latent Bounded-Order Interaction Attention）

  •对于固定的m 4，受限标量空心积误差随1/budget衰减•受限定理并不能完全描述非线性LBOIA头部。•回顾性分析纠正了692个源受限的配对对比。•混合精度和测量成本限制了实际的排序优势。•路由控制不能证明乘法的因果效益。引言集合预测需要一个聚合规则，该规则在保留与目标相关

  来源：Neurocomputing

  时间：2026-10-22

• 面向鲁棒多变量时间序列预测的缺失感知谱时空图神经网络

  •提出一个在严重传感器缺失条件下的多变量时间序列预测统一框架。•引入一种感知缺失的空间-时间重建机制，自适应地将时间估计与已观测到的图邻居信息融合。•在不依赖预定义图拓扑的情况下，学习传感器间的潜在依赖关系，用于缺失值重建和频谱-时间预测。•引入一个辅助的缺失分类目标，以正则

  来源：Neurocomputing

  时间：2026-10-22

• 快速超声辅助酶解联用 LC-MS/MS 灵敏检测 OPNAs 暴露植物中的酪氨酸加合物

  •建立了一种快速超声辅助酶解法（RUEH），用于植物源性有机磷神经性毒剂（OPNAs）-酪氨酸加合物分析，将样品制备时间缩短至 20 分钟。•该方法适用于冻干叶片（FDL）和新鲜叶片（FL）样品，且不影响性能。•在拟南芥和大米等真实植物样品中，经控制暴露后成功检测到 OPNA

  来源：Journal of Chromatography A

  时间：2026-10-22

• 利用神经网络揭示量子混沌系统本征态中的半经典结构

  物理信息神经网络和神经量子态已经确立了一种新范式，通过受约束的神经参数化来分析并发现物理现象。在此背景下，我们研究量子混沌系统的本征函数的半经典结构是否可以通过无监督学习来揭示。为此，我们将一个"量子字典"训练为过完备自编码器，它稀疏地表示系统的本征态，并以量子面包师映射为例

  来源：APS Open ScienceNEW

  时间：2026-10-22

• MIFC-Net：基于状态空间模型与可逆特征解耦的红外可见光成像联合压缩与融合

  摘要在传输受限条件下，对成对红外-可见光图像进行联合压缩与融合是边缘成像系统面临的关键挑战。现有方法在全局上下文建模方面往往存在较大的计算开销，难以对多模态潜在表示进行差异化概率建模，并且会在传感器噪声上浪费比特。我们提出了MIFC-Net，一个将状态空间建模与可逆潜在重参数

  来源：Optics & Laser Technology

  时间：2026-10-22

• 基于GA-BP神经网络的全硅双腔光纤压力传感器温度补偿压力解调

  摘要在使用光纤法布里-珀罗（F-P）传感器测量压力时，压力与温度之间的交叉敏感性对准确感知构成了重大挑战。为解决这一问题，本文采用遗传算法-反向传播（GA-BP）神经网络，构建了一种针对全硅双腔光纤压力传感器的温度补偿压力回归模型，从而实现有效的温度补偿。为减轻计算负担并提高

  来源：Optics & Laser Technology

  时间：2026-10-22

知名企业招聘：