-
基于混合神经-符号流水线的可验证法律合同问答系统
摘要:法律合同分析是法律和商业领域中一项关键但劳动密集型的工作,需要对复杂的合同语言进行精确解读。现有的自动法律问答(QA)方法存在幻觉、缺乏可验证性以及无法提供可追溯推理等问题。本文提出了一种混合神经-符号流水线,将检索增强生成与多信号验证相结合,以从法律合同中生成准确且
来源:IEEE Access
时间:2026-09-15
-
表面肌电振幅与反向跳跃高度在条件活动后数分钟内解耦:青年足球运动员的时间分辨研究
激活后表现增强(post-activation performance enhancement, PAPE)常被归因于神经驱动增强,然而神经肌肉与机械反应很少被同步追踪。本研究考察了在条件活动(conditioning activity)后1–4分钟内两者是否
来源:Applied Sciences
时间:2026-09-15
-
TLECNN:一种面向物联网相关安全环境的迁移学习增强CNN恶意软件家族分类方法
物联网(Internet of Things, IoT)设备的快速增长极大地扩展了恶意软件的攻击面。这产生了对适用于此类环境中资源感知型IoT安全分析的准确恶意软件分类技术的需求。本文提出了一种用于基于图像的恶意软件分类的迁移学习增强卷积神经网络(transf
来源:Electronics
时间:2026-09-15
-
基于机器视觉的跳舞机器人设计
基因表达分类由于现有数据集的高维性和异质性仍然是一项具有挑战性的任务。本研究提出了一项综合实证分析,将神经网络与支持向量机(Support Vector Machines,SVM)相结合用于基因表达分类。研究人员评估了多种架构,包括卷积神经网络(Convolu
来源:Electronics
时间:2026-09-15
-
骨间前神经转位至桡侧腕短伸肌重建分娩性臂丛神经损伤患儿腕关节背伸功能
摘要专业翻译
分娩性臂丛神经损伤(Brachial Plexus Birth Injury, BPBI)累及C5至C8神经根时,常会损害腕关节背伸功能,因此恢复腕背伸是其重建的一个关键目标。然而,对于持续性腕背伸麻痹的儿童,尤其是在广泛性臂丛神经损伤的情况下,
来源:Child's Nervous System
时间:2026-09-15
-
空间转录组学证据支持大脑皮层的镶嵌假说和纯细胞类型
正文(Cell Reports 44,116363;2025年10月28日)本文最初发表时,在小鼠皮层稀疏GABA能点模式的分区DCLF检验中使用了一种不适当的默认并列处理规则,导致某些GABA能类型的p值不正确。在初始分析中,作者对所有GABA能类型均使用了R包spatst
来源:Cell Reports
时间:2026-09-15
-
在中大脑动脉闭塞(MCAO)小鼠中,伴随新物体识别记忆障碍的腹侧海马前部(vHPC)到中前额叶皮层(mPFC)θ波段传输熵降低
•MCAO损害新颖物体识别记忆
•MCAO诱导vHPC-mPFC环路theta振荡减弱
•MCAO损害从vHPC到mPFC的定向信息传递
引言
缺血性卒中是一种急性脑血管事件,其特征是脑血管闭塞导致脑组织缺血缺氧性坏死。它是全球范围内导致长期残疾和获得性认知障碍的主要原因之
来源:Brain Research
时间:2026-09-15
-
一种兼具神经营养和免疫调节双重功能的猪源无细胞神经基质膜通过协调雪旺细胞激活与再髓鞘化加速周围神经再生
•SNCM保留了关键神经细胞外基质成分,并表现出优异的材料特性和免疫调节性能。
•SNCM在体外促进了神经元分化并增强了雪旺细胞的功能。
•在兔神经损伤模型中,SNCM防止了手术并发症并促进了功能恢复。
•SNCM通过微环境调节促进神经修复,实现了完全有髓纤维再生。
**1
来源:Biomaterials Advances
时间:2026-09-15
-
防御素介导银屑病的皮肤炎症与瘙痒
摘要银屑病是一种炎症性皮肤病,其特征为角质形成细胞来源的抗菌肽显著上调,尤其是β-防御素。然而,这些肽在皮肤炎症中的功能尚不明确。在本研究中,我们使用Defensin基因簇敲除小鼠来评估防御素在银屑病中作为神经免疫调节因子的潜在作用。在角质形成细胞中敲除防御素基因簇(Def
来源:Journal of Investigative Dermatology
时间:2026-09-15
-
GCA-ODN:一种用于遮挡条件下联合面部关键点检测与情绪识别的全局上下文感知随机失活网络
摘要
我们提出了全局上下文感知丢弃网络(GCA-ODN),这是一种基于卷积神经网络(CNN)、计算可行的神经架构,用于在部分面部遮挡条件下进行联合面部关键点检测(FLD)和面部表情识别(FER)。GCA-ODN学习一种共享嵌入,编码面部几何结构和情感线索,从而在口罩、大姿态变
来源:Neural Networks
时间:2026-09-15