-
新生儿对来自不同语言语音包络的神经加工及刺激后功能连接：一项fNIRS研究
- 新生儿额颞区域在处理母语和非母语包络信号时，涵盖多种节奏模式。
- 普通话的响应分布广泛，且在各个任务时间窗口内总体稳健。
- 普通话输入立即增强了双侧及右侧额颞区域的连接性。
- 组内无偏连接（NBS）分析仅在普通话条件下发现了网络连接，这与产前暴露的情况一致。
- 刺
来源：Brain and Language
时间：2026-09-23
-
MDFTS：一种面向零样本时间序列预测的多域特征感知双流模型
摘要：零样本时间序列预测要求模型在不接触目标域数据的情况下，仅利用预训练知识直接预测未知的目标分布。现实场景中普遍存在的非平稳分布漂移使得这一任务极具挑战性。近期研究通过建立一维时间序列与二维视觉表示之间的映射关系，初步验证了跨模态知识迁移的可行性。然而，现有方法往往面临难以
来源：Neurocomputing
时间：2026-09-23
-
ALFStyle：一种基于扩散模型的自适应LoRA融合网络用于风格迁移
抽象图像风格迁移旨在将一幅图像的风格特征注入另一幅图像，同时保留后者的空间结构和语义内容。然而，风格与内容天然相关，在迁移过程中往往相互纠缠，导致风格化图像中存在混合或交织的信息。为缓解这一问题，本文提出了一种基于扩散模型的自适应低秩适应融合网络（ALFStyle）。具体而言
来源：Neurocomputing
时间：2026-09-23
-
用于可解释回归的稀疏分段线性阈值列表的参数化学习
摘要可解释回归需要可检查的路由机制和局部预测，然而简短的规则结构可能掩盖大量的参数复杂度，贪心搜索加上依赖性交叉验证可能会夸大经验结论。我们研究了分段线性阈值列表（PL-TL），它将每个观测值通过有序的阈值列表路由到一个局部岭回归预测器，按拟合的区域目标函数对候选项进行评分，
来源：Neurocomputing
时间：2026-09-23
-
加权一次尝试即丢弃协议下复值忆阻神经网络的比例-积分固执状态估计
## 摘要
本文研究了一类具有时变时延的复值忆阻神经网络（CVMNNs）的比例积分（PI）状态估计问题。为了在实际情况中真实地捕获系统行为，不可避免地由不完善传感器或不利的通信环境引起的测量离群值被明确纳入考虑。首先，为了缓解有限通信资源导致的数据碰撞和网络拥塞问题，一种典
来源：Neurocomputing
时间：2026-09-23
-
解耦与蒸馏：面向少样本类增量学习的任务自适应LoRA教师模型及集成知识迁移
# 摘要
小样本类别增量学习（Few-Shot Class-Incremental Learning, FSCIL）旨在解决从极有限样本中学习新类别、同时保留已学类别知识这一根本性挑战。尽管近期基于预训练模型的参数高效微调（PEFT）技术在类别增量学习中展现出潜力，但在小样
来源：Neurocomputing
时间：2026-09-23
-
面向少样本关系抽取的实例级判别增强
摘要
少样本关系抽取（FSRE）旨在仅利用有限的标注实例，识别给定文本中实体对之间的关系，使其成为自然语言处理领域的一项极具挑战性的任务。原型网络在解决这一挑战方面已取得显著成功，但现有框架往往忽视了模型在关系信息不可用场景下的性能，从而导致次优结果或使模型无法应用。为了解
来源：Neurocomputing
时间：2026-09-23
-
用于图文检索的稀疏自适应图注意力网络
# 摘要
精确的细粒度跨模态对齐仍然是图文检索中的核心挑战。现有的细粒度对齐方法能够有效捕获局部区域与词汇之间的对应关系，从而实现比纯全局方法更精确的语义匹配。然而，其全连接机制带来了显著的计算开销，且对无关区域-词汇对的噪声敏感，从而阻碍了精确对齐。为了解决这些局限性，我
来源：Neurocomputing
时间：2026-09-23
-
抑制超高清原始低光照图像增强中的块状伪影
•提出了一种两阶段网络（LRNet）用于超高清原始图像的低光增强。•提出了一种照度引导的自注意力模块，确保全局亮度一致性。•LRNet在保持纹理细节的同时，有效减轻了块效应。•实验表明，该方法在SID和MCR数据集上取得了最先进的性能。引言随着数字成像技术的发展，低光图像增强
来源：Neurocomputing
时间：2026-09-23
-
面向感知的非线性对数-指数攻击在神经图像压缩中的应用
**摘要**
• **新颖的感知攻击**：基于非线性对数-指数扰动的攻击方法，能够针对人类视觉系统进行攻击。
• **像素域攻击**：在暗部区域施加更强的噪声，同时保持亮部区域基本不变。
• **频谱域扩展**：修改高频分量，从而影响精细纹理。
• **双重影响场景**：在
来源：Neurocomputing
时间：2026-09-23
粤公网安备 44010602000434号