• 通过Lipschitz正则化增强恒定曲率图卷积网络的鲁棒性

  摘要AI 要查看此由AI生成的摘要，您必须具有高级访问权限。了解更多信息请登录。 摘要 非欧几里得空间由于其几何属性，本质上能够为层次化和循环数据提供高保真嵌入。现有的方法在恒定曲率空间的框架内统一了双曲和球面嵌入。然而，当前的Lipschitz正则化方法仅限于非正曲率几何体，

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2026-09-06

• Flash-DWC：在GPU上实现深度卷积计算的高效化

  摘要 深度卷积（DWC）是高效卷积神经网络（CNN）中的关键算子。近期模型越来越多地采用大卷积核深度卷积来捕获长程依赖，其精度可与视觉Transformer相媲美。然而在GPU上，DWC的效率远未达到其低浮点运算量（FLOPs）所暗示的水平，可能成为运行时瓶颈，原因在于算术

  来源：ACM Transactions on Architecture and Code Optimization

  时间：2026-09-06

• TIME-NN：面向结构化缺失条件下细粒度网络测量张量补全的时空多视角分解方法

  摘要 以内带网络遥测（INT）和草图（sketch）为代表的现代测量技术，能够实现前所未有的细粒度流级别网络状态感知。然而，由此带来的维度激增，加上其实现机制及网络丢包所导致的大规模结构化数据缺失，给数据插补带来了严峻挑战。针对这一问题，我们提出TIME-NN（Tensori

  来源：Expert Systems with Applications

  时间：2026-09-06

• 基于多尺度转向调制CANN的脑启发式路径整合技术在火星环境中的应用

  •开发了一种受生物学启发的MTM-CANN，用于火星探测器的路径集成。•TM-HDC结合了角速度信息，以抑制长时间行驶过程中的航向漂移。•多尺度吸引子动力学在不同地形上提高了位置稳定性。•CMA-ES用于固定MTM-CANN参数的离线优化。•MEC-vslab和KITTI测试证实

  来源：Expert Systems with Applications

  时间：2026-09-06

• 高噪声和少样本条件下基于波形-拓扑的滚动轴承故障诊断联合学习

  ## 摘要 准确的滚动轴承故障诊断对于旋转机械的可靠运行和预测性维护至关重要，但在强噪声干扰和有限训练样本的条件下仍极具挑战性。为解决该挑战，本文提出了一种基于波形-拓扑的联合学习框架模型，称为双路径时间-图注意力网络（DP-TGAN）。该模型首先采用一种无先验的分段图变换

  来源：Digital Signal Processing

  时间：2026-09-06

• 综述：脑磁共振弹性成像用于神经退行性疾病机械生物标志物开发：力学、反演与解读

  # 神经退行性疾病的力学生物标志物：磁共振弹性成像方法的综述 陈宇浩，王伟伟，张丽英，薛宇佳，乔琼，雷鸣* *这些作者对本工作贡献均等 1 武汉大学物理科学与技术学院生物医学科学中心，中国武汉 2 天津医科大学总医院，天津市医疗精密仪器与可及医学重点实验室，天津市医学影

  来源：Science China-Physics Mechanics & Astronomy

  时间：2026-09-06

• 神经程序建模：学习程序特定模型，从输入特征预测执行特征，反之亦然

  摘要AI 摘要要查看此 AI 生成的摘要，您必须具备高级访问权限。了解更多登录摘要摘要理解程序代码的语义是软件工程中的基本问题，它为测试和分析，以及 AI 智能体带来了持续的挑战。我们提出了一种神经网络程序建模方法：该方法从生成的系统输入和监测到的执行数据对中，学习输入特征与

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2026-09-06

• 通过频域神经网络压缩实现完全去中心化的NFT存储

  摘要 AI 摘要 要查看此 AI 生成的摘要，您必须具有高级访问权限。 了解更多 登录 摘要 摘要 非同质化代币（NFT）和其他 Web3 多媒体内容通常存储在链下，因为图像和视频资产的体积超出了链上的实际存储容量限制，这就导致了不可

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-09-06

• EHEIR：通过架构重新设计实现高效同态加密推理

  摘要AI 摘要要查看此 AI 生成的摘要，您必须拥有高级访问权限。了解详情登录摘要摘要在同态加密（HE）下进行加密推理对计算施加了严格的约束，使得深度学习网络直接在资源受限的边缘设备上部署变得不可行。现有方法如 FHEEDGE 和 UniHENN 主要通过算法和系统层面的优化

  来源：ACM Transactions on Internet Technology

  时间：2026-09-06

• 面向实时可靠路面检测的自动化神经网络架构搜索与双模型协同分割

  • 物理信息驱动的多源感知以实现鲁棒的特征表示。• 基于HPNAS实现实时、任务自适应的分割架构发现。• 具有渐进式误差校正的双模型协作分割范式。引言 图像分割为精细化道路基础设施检测的定量评估提供了关键技术基础。近年来，深度学习的发展迅速推动了语义分割领域的显著进展。手动设

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-09-06

知名企业招聘：