• 综述：顶下小叶在双相情感障碍情绪失调中的作用

  •下顶叶是支持情绪调节的关键脑区 •下顶叶与所有支持情绪调节的核心子过程有关，包括注意分配、认知改变和反应调节 •双相情感障碍患者在测量情绪调节及相关子过程（注意分配、认知改变、反应调节）的任务中表现出下顶叶功能缺陷 •双相情感障碍患者表现出下顶叶神经环路功能和结构的缺陷

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-09-12

• 经济稀缺阻碍贫困儿童的执行功能：通过眼动追踪考察多重资源的作用

  贫困是一个对社会发展具有深远影响的长期性社会问题。尽管稀缺性理论为贫困如何消耗心理资源提供了一种新的框架，但这一消耗过程究竟通过哪些具体的认知路径发生、并进而损害认知功能，目前仍不明确。本研究通过眼动追踪技术，探讨了注意力和自我控制资源对贫困儿童执行功能的整合性影响。共有18

  来源：Developmental Science

  时间：2026-09-12

• 十二例POLG相关疾病日本患者：日本与欧洲POLG变异的种族特异性遗传差异

  摘要背景POLG 编码线粒体DNA（mtDNA）聚合酶γ。致病性POLG变异会导致线粒体疾病，包括进行性眼外肌麻痹。POLG相关疾病在欧洲相对常见，可能由于普通人群中携带者的比例较高所致，但在日本仍然罕见，原因不明。方法我们在1993年至2021年期间，对3146例疑似线粒体

  来源：Brain and Development

  时间：2026-09-12

• 多集群系统中具有不完全信息的随机聚集博弈的异步分布式学习算法

  各章节摘要预备知识本节描述随机聚合博弈并分析Karush-Kuhn-Tucker（KKT）条件。考虑一个通信图 ，其中 表示簇的集合， 是边的集合， 是邻接矩阵。对于每个簇 ，其簇内通信拓扑由图 来表征，其中 是簇 中智能体的集合， 是边的集合， 是邻接矩阵。对于无向

  来源：Neurocomputing

  时间：2026-09-12

• DODRL-HMRTA：一种面向动态不确定性下异构多机器人任务分配的基于学习的优化框架

  # 摘要 异构多机器人系统正被越来越多地部署用于执行复杂的协作任务，但现有方法往往忽视复杂的现实约束和动态因素，并且在大规模场景下计算效率较低。本文将异构多机器人任务分配问题（HMRTA）形式化为马尔可夫决策过程模型，利用新定义的局部感知场和分层奖励机制，并提出一种基于深度

  来源：Neurocomputing

  时间：2026-09-12

• ICCT-SNN：用于遥感分类与检测的整数校准协同训练脉冲神经网络

  ## 摘要 遥感边缘平台通常需要在有限的内存和能量预算下执行场景级分类和对象级检测。近期的整数值脉冲训练和脉冲驱动推理方法表明，训练期间的整数值激活和推理期间的二进制脉冲扩展可以减轻二进制脉冲量化误差，同时保持脉冲神经网络（SNN）的低功耗特性。然而，现有方法主要关注单一视

  来源：Neurocomputing

  时间：2026-09-12

• 基于轻量级提示学习的模态缺失RGBT跟踪

  摘要：模态缺失仍然是现实应用中 RGBT 多模态跟踪训练和测试阶段的一个普遍挑战。现有的优秀方法要么主要依赖完整数据集，要么仅在推理阶段处理模态缺失场景。此外，完全微调基于 Transformer 的模型会带来相当大的计算开销，这阻碍了它们的实际部署。为了解决这些局限性，我们

  来源：Neurocomputing

  时间：2026-09-12

• 一种结合柯尔莫哥洛夫注意力变换器的动态自适应多任务学习框架，用于非配对图像描述

  摘要非配对图像字幕生成（Unpaired Image Captioning, UIC）是多模态神经计算中的一项重要任务，旨在无需昂贵的配对标注的情况下，为图像内容生成自然语言描述。然而，缺少对齐监督带来了持续性的挑战，包括语义接地不稳定、模态不匹配以及难以生成针对图像且细粒度

  来源：Neurocomputing

  时间：2026-09-12

• 针对基于扩散模型的推荐系统的反去噪配置文件污染攻击

  摘要近年来，基于扩散模型的推荐系统显著提升了推荐性能。由于具有优异的结构去噪机制，它们对传统的数据投毒攻击也表现出强大的鲁棒性。现有的攻击方法主要依赖于虚假用户注入。由于这些方法构建的虚假节点和离散边缺乏固有的逻辑一致性，通常会被识别为异常数据并由扩散过程平滑掉。为了突破这一

  来源：Neurocomputing

  时间：2026-09-12

• 一种恶意的3PC安全神经网络推理系统，通过动态环形结构和比特注入技术实现了高效的通信和低轮复杂度

  摘要 在已知受损和完全恶意的对抗模型下，通过带有辅助方的恶意安全三方计算（3PC）实现安全的机器学习推断，是保护隐私的神经计算和机器学习推断的基础构建模块。然而，安全评估非线性函数（如激活函数）通常会带来高昂的通信成本和回合复杂性，而这些函数是神经网络的重要组成部分。在这项工作

  来源：Neurocomputing

  时间：2026-09-12

知名企业招聘：