• 偏斜轨迹演示下的自监督多模态模仿学习

  •通过动力学表示缓解多模态模仿学习中的轨迹分布偏差。•从未标记轨迹中提取动态行为特征以丰富表示。•增强潜在变量的可分离性并解缠偏斜的行为模式。•为偏斜的多模态演示建立事后基于视频的评估。引言在部署的具身系统中，行为通常通过两个互补的来源进行记录和审查，即由状态 - 动作对组成

  来源：Neural Networks

  时间：2026-09-03

• SynNeura：基于事件驱动的液体脉冲动态模型，用于弱监督下的多模态时间对齐

  **摘要** 多模态时间对齐是音频visual理解、唇读和指令跟随等应用中的关键任务。然而，在弱监督环境下，异步采样、不规则事件触发和粗糙标签等挑战会阻碍精确的跨模态对齐。基于帧的方法依赖于固定的时间网格，在事件稀疏的场景中会导致冗余计算，并降低事件级别的精度。可微时间变形方

  来源：Neural Networks

  时间：2026-09-03

• ATFA：基于拉普拉斯热扩散的拓扑感知聚合方法用于联邦学习

  **摘要** 联邦学习（FL）在非独立同分布（non-IID）场景中面临严重的性能退化问题，其根源在于本地模型的优化方向出现分歧。传统的聚合技术大多基于欧氏平均，易受随机优化的影响，且往往无法捕捉客户端更新背后的内在流形结构。为应对这些局限，我们提出了自适应拓扑感知联邦聚合

  来源：Neural Networks

  时间：2026-09-03

• DATCNN：一种兼具KAN所有优势且灵活性更强的新型卷积神经网络

  • 我们提出DATCNN，一种新型卷积神经网络架构，继承了KAN的核心优势，同时提供了显著增强的灵活性。• 我们为DATCNN建立了数学理论，从理论上保证其符号回归和可解释性能力。• 大量实验证明，DATCNN在精度和训练延迟方面均优于KAN及其他最先进变体，实现了更高的准确

  来源：Neural Networks

  时间：2026-09-03

• T-2毒素通过昼夜节律-p53-衰老串扰破坏与阿尔茨海默病相关的App/Tau稳态：来自人神经母细胞的证据

  •T-2 毒素通过 CLOCK–p53–衰老轴破坏 APP/Tau 稳态。•T-2 毒素在激活 p53 信号通路的同时重新编程昼夜节律 CLOCK 节律性。•CLOCK 和 p53 共同调节 Tau 积累和 APP 失调。•衰老溶素治疗可部分恢复 T-2 毒素暴露后的阿尔茨海

  来源：NeuroToxicology

  时间：2026-09-03

• 综述：鞘脂流控装置在结直肠癌发生过程中的空间重构

  • 将结直肠癌中的鞘脂“流控器”重新定义为一种空间有序且受阶段影响的信号网络，而不仅仅是一个简单的神经酰胺/S1P平衡机制。 • 描述了在管腔、上皮、基质、血管、免疫和系统环境中的特定区室内的鞘脂信号传导。 • 提出腺瘤是代谢转型的病灶，部分保留了神经酰胺检查点机制，并出

  来源：Prostaglandins & Other Lipid Mediators

  时间：2026-09-03

• 手动不对称性与大脑皮层调节：运动控制与大脑半球间连接性的关系

  摘要 手动在目标导向瞄准中的不对称性与大脑半球之间的相互作用有关，然而目前尚不清楚通过实验性调节半球活动是否能够同时改变运动行为和半球间的功能耦合。我们研究了针对初级运动皮层进行双侧经颅直流电刺激（tDCS）如何调节瞄准过程中的手动不对称性和半球间连接性。十二名健康的右利手男

  来源：Behavioural Brain Research

  时间：2026-09-03

• 神经同步性与吗啡奖赏相关的振荡特征在前额叶-边缘系统通路及前额叶-海马通路中的表现

  摘要 前边缘皮质（PrL）在与奖励相关的记忆过程中起着关键作用。虽然它与腹侧被盖区（VTA）和阿蒙角1（CA1）的功能性相互作用与奖励回路有关，但在吗啡相关记忆表达期间这些区域之间的具体振荡动态仍知之甚少。在这项研究中，从PrL、CA1和VTA记录了局部场电位

  来源：Neurobiology of Learning and Memory

  时间：2026-09-03

• 金属离子与蛋白质聚集：揭示分子相互作用及在蛋白质疾病中的治疗潜力

  打开图形查看器 摘要 蛋白质聚集是一种与多种人类疾病（称为蛋白质病）相关的病理过程，这些疾病包括神经退行性疾病和代谢性疾病，如阿尔茨海默病、帕金森病、2型糖尿病、肌萎缩侧索硬化

  来源：Chemical Reviews

  时间：2026-09-03

• 手性高效液相色谱中互补人工神经网络工作流程间共识描述符的重现：一项相互作用域分析

  摘要在手性高效液相色谱 (HPLC) 中解释描述符的相关性仍然具有挑战性，因为对映体分离取决于多个相关的结构和色谱因素。在此，比较了应用于同一 Lux 纤维素 -1/水 - 乙腈系统的两个共识人工神经网络 (ANN) 工作流程中的描述符选择重现性。该分析使用了 76 种学习阶

  来源：Talanta

  时间：2026-09-03

知名企业招聘：