• 反复全身给予β-NGF可改善公羊的精液特征

  •全身性β-NGF增加了射精量和每次射精的精子总数。•它增强了射精精子的总活动力、前向活动力、快速活动力以及正常形态精子。•睾酮浓度未发生变化。•β-NGF给药后，这些变化持续约20天。引言在骆驼科动物中，精浆中存在一种排卵诱导因子（OIF），负责诱导排卵。该因子已被分离和纯

  来源：Theriogenology

  时间：2026-09-21

• 基于主动模拟功能的知觉-运动整合新理论框架

  • 生物体基于自身运动内部模型的主动模拟功能是整合感知与运动的关键。 • 感知的动力学在数学上被描述为一种约束条件，即生物体在主动模拟从环境中接收的感官信息时应满足的约束条件。 • 生物体利用主动模拟功能主动感知环境，以引出表征环境的时不变量。 • 这些时不变量揭示了他人运动

  来源：Cognitive Systems Research

  时间：2026-09-21

• 利用蛋白质基胶体构建布尔逻辑：一种微电极阵列（MEA）方法

  **摘要** 神经形态计算和非传统计算旨在复制生物系统自适应、并行且节能的信息处理能力。利用可持续、生物相容的材料实现这一功能仍是一项关键挑战。在此，我们展示了一个基于蛋白质的胶体计算平台，该平台使用卵白蛋白与微电极阵列（MEA）结合，同时表现出类记忆行为和类似突触的增强与抑

  来源：BioSystems

  时间：2026-09-21

• 面向少样本动作识别的语义驱动模式挖掘与对齐

  摘要小样本动作识别（FSAR）旨在仅从少量带标注的视频中识别新型动作类别，但由于在极度有限的监督下难以发现和align具有类别区分力的时空模式，该问题仍极具挑战性。许多现有的FSAR方法主要聚焦于视觉相似性匹配，如帧级对齐，因此被限制在单模态框架内，忽略了动作标签中蕴含的丰富

  来源：Neurocomputing

  时间：2026-09-21

• TSLKAN: 一种用于时间序列预测的全 KAN 架构

  摘要时间序列预测在诸多实际领域中至关重要，然而其预测精度往往因多变量数据固有的高维复杂性和复杂的时序依赖关系而受到损害。传统的预测方法，包括多层感知机（MLP），往往难以捕捉此类非线性关系。为应对这些挑战，我们提出TSLKAN，一种完全基于Kolmogorov–Arnold网

  来源：Neurocomputing

  时间：2026-09-21

• # GraphTCL：用于图分类的拓扑感知对比学习 **摘要** 图分类旨在将每个图分配到语义类别中，是图数据分析中最基本的任务之一。图级对比学习已成为学习鲁棒图表示以增强图分类有效性的流行方法，它通过利用全局图信息及其局部子图信息来增强图结构。然而，现有方法忽略了图的结构相似性，可能导致图级图对比学习的效果不理想。在本文中，我们提出了GraphTCL，这是一种用于图分类的图级拓扑感知对比学习框架。具体而言，我们提出了一种节点感知图增强方法来保留结构相似性。我们还提出了一种拓扑感知的投影方法，以捕获节点对图拓扑结构的依赖关系。为了验证我们方法的有效性，我们在多个真实世界数据集上进行了全面实验，包括自监督、半监督和有监督预训练三种设置。实验结果表明，我们的方法在有标签信息和无标签信息设置下均表现优异。代码将在以下地址开源：https://github.com/JasonYang9417/GraphTCL。 **关键词：** 图分类，对比学习，图表示学习，自监督学习

  本文提出GraphTCL，一种用于图分类的拓扑感知双视图对比学习框架，通过将基于图神经网络的结构性嵌入与基于持续同调的拓扑性嵌入进行对齐。 本文引入跨视图对比目标，显式地强制局部消息传递表示与全局拓扑图摘要之间保持一致。 本文证明持续同调特征为图神经网络嵌入提供了互补信息

  来源：Neurocomputing

  时间：2026-09-21

• 用于知识图谱表示学习的多关系约束共现注意力模型

  •提出了一种新型混合框架（MRCCA），协同利用图注意力网络（GATs）和知识图谱嵌入（KGE），以克服知识图谱补全中的过平滑和关系容量有限的问题。•一种共现驱动的注意力机制，利用共现信息和KGE语义假设，消除了传统的线性变换和非线性激活函数，从而减少可训练参数。•一个多关系

  来源：Neurocomputing

  时间：2026-09-21

• 一种基于混合空间-频率注意力引导的双域多焦点图像融合方法

  •我们提出了一种基于混合空频注意力引导的双域多焦点图像融合方法。其主要亮点总结如下：.•我们采用并行双分支特征提取并结合混合空频注意力机制，使其能够同时捕获空间域和频率域特征，从而充分利用图像的空间和频率域信息。•通过引入频率注意力机制来改进和增强传统的卷积块注意力模块，我们

  来源：Neurocomputing

  时间：2026-09-21

• 通过强化学习在无人机无线传感器网络中对恶意软件传播进行反应扩散建模与自适应控制

  • 首次建立了基于偏微分方程(PDE)的反应扩散SEIQR-SEIQRL模型，用于描述无人机-无线传感器网络(UAV-WSN)中的恶意软件传播，该模型整合了时空耦合特征和无线传感器网络的低能耗节点状态，突破了传统模型仅考虑时间维度的局限性，准确刻画了恶意软件的空间扩散和时间演

  来源：Neurocomputing

  时间：2026-09-21

• DEMEF：基于逻辑规则和多模态融合的自适应实体对齐

  摘要大规模知识图谱和预训练模型的快速发展激发了利用多模态数据进行实体对齐任务的兴趣。然而，模态间的固有异质性带来了重大挑战。依赖静态融合策略的传统方法往往难以应对模态特定噪声、数据缺失以及不同信息源贡献不均等问题，最终阻碍了鲁棒的跨图谱对齐。为了克服这些挑战，我们提出了 DE

  来源：Neurocomputing

  时间：2026-09-21

知名企业招聘：