• 面向跨数据集脑电情感识别的掩码生成-对比表示学习

  # 摘要 自监督学习（SSL）通过改进表征学习和模型泛化能力，在跨数据集迁移方面展现出强大的潜力。然而，其在基于EEG的情绪识别领域的应用仍处于待探索状态。现有的SSL方法难以捕捉EEG信号在不同通道配置下的复杂时空依赖性，难以提取对噪声具有鲁棒性的细粒度表征，也难以获得能

  来源：Neurocomputing

  时间：2026-09-15

• 软骨发育不全患者枕骨大孔减压术后的临床结局与骨性再狭窄

  摘要目的软骨发育不全是一种以身材矮小和肢体近端短缩为特征的遗传综合征。许多患者还表现出颅颈交界狭窄，这往往会进展为脊髓受压或脑积水。进行枕骨大孔减压术（FMD）以缓解颅椎交界处的狭窄。本研究的目的是分析 FMD 在软骨发育不全患者中的临床结果，并讨论由骨再生引起的再狭窄（骨性

  来源：Child's Nervous System

  时间：2026-09-15

• 用于全肘关节置换术的鹰嘴骨内侧翻转截骨术

  摘要 目的 肘骨内翻截骨术能够充分暴露肘后部区域，同时保持三头肌伸展复合体的完整性，并避免损伤冈肌的神经支配。通过将三头肌长头向内侧翻转，该手术能够防止软组织因拉伤而受损，并有助于保护尺神经。 适应症 这种手术方法可以为全肘关节置换术及其伴随的桡骨头切除术提供所需的手术视野。

  来源：Operative Orthopädie und Traumatologie

  时间：2026-09-15

• 综述：畏光：病因与病理生理学

  摘要畏光症是指对光线产生异常不耐受的一种症状，可导致眼部不适甚至眼部疼痛。其病因多样，包括直接影响眼部结构的眼科疾病，如角膜炎、葡萄膜炎、某些视网膜病变和视神经病变等；神经系统疾病，如偏头痛、脑膜炎或颅脑损伤等也可能相关。此外，焦虑或抑郁等精神心理障碍可促进其发生，突显了感觉

  来源：Journal Français d'Ophtalmologie

  时间：2026-09-15

• 基于图神经网络的介电和光学材料无机化合物筛选

  摘要介电材料和光学材料在电子学、储能和光子学领域占据核心地位。目前持续进行的材料筛选方法依赖于密度泛函理论（DFT）计算，这类计算代价高昂且规模受限。在本研究中，应用图神经网络（GNN）框架快速预测多晶总介电常数（电子+离子），并由此可进一步推导电子贡献的折射率。所研究的模型

  来源：Materials Chemistry and Physics

  时间：2026-09-15

• 具有统计建模和生物真实突触可塑性的低电压混合相MoBi2S5忆阻器件

  摘要本研究探讨了一种混合相 MoBi2S5 (MBS) 薄膜作为神经形态计算应用的阻变材料。MBS 薄膜是使用受阻沉淀技术 (APT) 合成的。使用 XRD、FE-SEM 和 XPS 进行的详细结构、形貌和化学表征证实了 MoS2 和 Bi2S3 相的共存。制备的 Ag/MB

  来源：Materials Science in Semiconductor Processing

  时间：2026-09-15

• 物理驱动的自由曲面参数自监督优化

  # 一种面向自由曲面光学设计的物理驱动自监督优化方法 - 提出了一种物理驱动的自监督优化方法，用于无需训练数据的自由曲面光学设计。 - 可微分物理前向模型实现了从理想波前到自由曲面参数的端到端优化。 - 在多个光学系统中，该方法达到了与ZEMAX相当或更优的性能。 ##

  来源：Optics and Lasers in Engineering

  时间：2026-09-15

• 基于风能的动态静态无功同步补偿器与解耦神经网络控制的电能质量改善

  •本文提出了一种风力驱动的DSTATCOM系统，用于解决配电网络中的电能质量问题，包括谐波失真和 reactive power 不平衡。•引入了一种解耦神经网络（DNN）控制策略，以高效地管理 reactive power 补偿和谐波抑制，提升系统性能。•该系统采用了一种基于

  来源：Electric Power Systems Research

  时间：2026-09-15

• 利用双核升压转换器和基于人工智能的最大功率点追踪技术最大化光伏效率

  •该系统集成了双核有源升压变换器，并采用人工兔子优化（ARO）基于径向基函数神经网络（RBFNN）的最大功率点跟踪（MPPT）算法，以增强光伏（PV）能量转换效率。•所提出的变换器利用有源钳位实现超高电压增益，同时降低开关损耗，提升整体功率效率。•ARO-RBFNN MPPT

  来源：Electric Power Systems Research

  时间：2026-09-15

• 面向电网动态研究的物理信息学习专有逆变器模型

  •我们提出了一种物理信息潜在神经常微分方程（PI-LNM）框架，用于模拟专有的构网型逆变器（GFM）动态，以实现精确的、可用于仿真的动态研究。•该模型嵌入了一个代表性的GFM物理先验（下垂或VSM），并用可学习的神经ODE校正项对其进行增强，以捕获供应商特有的、未建模的控制行

  来源：Electric Power Systems Research

  时间：2026-09-15

知名企业招聘：