• PT-GNN：一种基于生理拓扑结构的图神经网络，利用高光谱和叶绿素荧光传感技术实现黄瓜霜霉病的多模态早期检测

  • 提出了一种生理拓扑感知的多模态融合框架，用于疾病的早期检测。• 光合作用先验被编码为叶绿素荧光参数上的图结构。• 注入高光谱生化背景信息以调节荧光图的传播。• PT-GNN在黄瓜霜霉病的潜伏期检测中达到了98.42%的准确率。• 模型解释揭示了特定阶段的生理耦合和光谱响应。

  来源：Computers and Electronics in Agriculture

  时间：2026-09-13

• 恩格列净减轻STZ诱导的C57/BL-6小鼠糖尿病神经病变、焦虑和抑郁样行为

  摘要 背景 糖尿病（DM）常伴随神经病变并发症以及并存的精神神经表现，包括焦虑和抑郁样行为。这些并发症共同加重了疾病负担，损害生活质量，并需要个体化的药物治疗方案来有效管理。 目的 评估恩格列净（EMPA）在链脲佐菌素（STZ）诱导的小鼠糖尿病神经病变中缓解疼痛症状及并存

  来源：Learning and Motivation

  时间：2026-09-13

• 数据集成神经网络求解偏微分方程

  ## 摘要 在本工作中，我们提出了数据集成神经网络（DataInNet）用于求解偏微分方程（PDEs），提供了一种利用数据（如源项、初始条件和边界条件）的新方法。本工作的核心在于将数据整合到统一的网络框架中。DataInNet由两个子网络组成：一个数据集成神经网络负责容纳和

  来源：Neurocomputing

  时间：2026-09-13

• 《短暂性食管吞咽困难问卷》和《Eckardt评分》临床意义阈值的定义：一项多中心心理测量学研究

  摘要 背景 简短食管吞咽困难问卷（BEDQ）和Eckardt评分（ES）是评估吞咽困难最常用的患者报告结局（PROs）工具。然而，这些工具的患

  来源：Neurogastroenterology & Motility

  时间：2026-09-13

• 协作神经动力学优化综述

  **摘要** 近年来，工程、控制和机器学习中的优化问题日益呈现非凸性、约束性、分布式和大规模化趋势，使得传统方法难以可靠且高效地求解。协同神经动力优化（Collaborative Neurodynamic Optimization, CNO）作为一种将神经动力求解器与多智能

  来源：Neurocomputing

  时间：2026-09-13

• 一种面向持续学习的可扩展复杂度正则化模块化网络

  摘要模块化持续学习通过组合现有模块并在需要时引入新的计算单元，从而实现知识复用和容量适应。然而，动态可扩展的模块化模型必须协调两个相互耦合的过程：有效组合当前模块，以及判断现有模块的表示容量对于即将到来的任务是否不足。为解决这些挑战，我们提出复杂度正则化的可微模块化搜索（CR

  来源：Neurocomputing

  时间：2026-09-13

• 面向针灸方剂生成的经络拓扑感知图语言对齐

  摘要 针灸处方生成不仅仅是一个文本生成问题。临床上合理的处方必须将病例描述与符合经络走向、归属、配穴以及交叉经络关系的穴位组合联系起来。然而，大多数大语言模型将此类知识序列化为文本，使得难以保留赋予针灸处方其领域逻辑的结构。本文提出了 TopoAcu，一种经络拓扑感知的图语言

  来源：Neurocomputing

  时间：2026-09-13

• 一种基于金字塔频率查询引导的网络用于遥感图像分割

  摘要 现有的高分辨率遥感图像分割（RSIS）方法在处理复杂场景时普遍面临两种语义歧义问题：类内不一致性和分割偏移。这主要是由于传统方法过度依赖被动上采样和静态跳跃连接，缺乏提取编码器下采样过程中引入的频率混叠信息的能力。为了解决这个问题，本文提出了金字塔频率查询引导网络（P

  来源：Neurocomputing

  时间：2026-09-13

• 面向离线强化学习的信用引导保守奖励塑造

  摘要 离线强化学习在面对所学策略选择缺乏足够固定数据集支持的分布外（OOD）动作时，会受到外推误差的困扰。保守奖励塑造通过惩罚不可靠的策略诱导动作来缓解这一问题，但局部惩罚可能将贡献度不同的转移等同对待，并可能引入不稳定的自举修正。针对这一局限性，我们提出了信用引导的保守奖

  来源：Neurocomputing

  时间：2026-09-13

• ICDMamba：用于低光照图像增强的光照-颜色解耦与频域-空域协同Mamba

  摘要 低光图像增强（LLIE）旨在恢复场景可见性，同时保持色彩保真度和结构完整性。现有方法通常在耦合的 RGB 空间内联合处理亮度和色度，忽略了其非对称退化特性；同时，频率域和空间域之间的互补性仍未得到充分利用，且主流的状态空间模型（SSM）依赖于固定的扫描顺序，不适合空间非

  来源：Neurocomputing

  时间：2026-09-13

知名企业招聘：