• 晚发性多发性硬化症与成人发性多发性硬化症在流行病学、临床特征和诊断方面的差异

  摘要背景晚发性多发性硬化症（pwLOMS：50岁以后首次出现MS症状）患者的数量正在增加。因此，我们使用流行病学、临床和诊断参数来比较pwLOMS与成人发病型MS（pwAOMS）患者。方法利用德国MS登记处的数据，我们将pwLOMS（发病年龄≥50岁）与pwAOMS（发病年龄18

  来源：Multiple Sclerosis and Related Disorders

  时间：2026-09-02

• 面向农业硝酸盐淋溶的动态地下水脆弱性评估框架：融合非平衡运移与神经算子以实现精准地下水保护

  摘要 静态地下水脆弱性评估通常忽视瞬态土壤水分动力学，可能低估极端降雨期间的硝酸盐淋溶。本研究开发了一个动态框架，整合了空间分数阶溶质运移模型、数据驱动神经网络反应算子以及多时期地球物理电阻率测量。采用固定的 48 小时标准化应力测试，输入 100 毫米降雨，用于量化不同前期

  来源：Water Research

  时间：2026-09-02

• SCDIP：结构感知协同动力学学习用于基于稀疏 IMU 的增强人体姿态估计

  •我们提出了一种用于稀疏 IMU 人体姿态估计（HPE）的新型知识引导框架。•所提出的渐进式回归网络用于提升关节级先验。•所提出的全局关系图学习部件级运动动力学。•大量实验表明了我们方法的优势和鲁棒性。引言人体姿态估计（HPE）旨在利用各种传感器重建 3D 人体运动，并在动作

  来源：Pattern Recognition

  时间：2026-09-02

• CroIPNet：用于神经发育障碍理解的跨站点个体 - 群体图整合网络

  • 提出了一种感知异质性的个体 - 群体图框架，用于基于多站点 fMRI 的 NDD 诊断。 • 双层图建模在多站点变异性下联合捕捉个体特异性动态和群体水平先验。 • 采用对比学习以减轻站点间异质性并增强表示的鲁棒性。 • 基于注意力的门控融合机制自适应地平衡个性化和全局信息

  来源：Pattern Recognition

  时间：2026-09-02

• 加权图异常检测的光谱能量建模

  •为加权图异常检测形式化了权重异质性。•证明了边权重的方差会使得图的谱能量分布变得平坦。•引入了HIPGNN，将谱滤波与空间上下文解码相结合。•在癌症基因和电信欺诈数据集上的表现优于现有方法。 引言 图异常检测旨在检测偏离大多数节点、边或子图，并具有异常模式的节点，这在癌症基因

  来源：Pattern Recognition

  时间：2026-09-02

• TIMF: 集成 TabPFN 的鲁棒表格图像学习多模态框架

  摘要表格 - 图像多模态学习通过将结构化表格数据与图像数据相结合，在现实世界应用中展现出巨大前景，特别是在医疗领域。然而，仍存在两个基本挑战：（1）与视觉和语言领域相比，缺乏标准化的预训练表格数据表示；以及（2）表格输入中缺失值的普遍存在，这在实际中使可靠的多模态集成变得复杂

  来源：Neurocomputing

  时间：2026-09-02

• 面向不完美教师指导下自动驾驶协作决策的归因引导鲁棒强化学习

  摘要 师生框架（TSFs）已被广泛用于通过允许预训练教师指导智能体训练来提高强化学习的安全性和效率。然而，现有的基于 TSF 的方法主要迁移动作级知识，而忽视了教师的决策逻辑。此外，它们通常假设教师在目标环境中是可靠的，当教师不完美时，这可能导致负迁移。为了解决这些问题，本文

  来源：Neurocomputing

  时间：2026-09-02

• 基于可拉伸惩罚的安全策略优化

  摘要在安全强化学习（RL）中，在保证满足成本约束的同时最小化奖励获取的损失是一项重大挑战。本文提出了一种高效的安全 RL 算法，称为基于可拉伸惩罚的安全策略优化（S2P2O）。S2P2O 构建了一种非单调的 Swish 形惩罚，具有变号梯度和可调节的拉伸最优惩罚点，从而实现从

  来源：Neurocomputing

  时间：2026-09-02

• DPFNet：通过动态原型流和协同优化网络实现轻量级少样本语义分割

  摘要 为了解决原型表示对噪声的敏感性问题、处理阶段之间的协同作用不足以及在小样本语义分割中极端样本稀缺情况下类别间区分度下降的问题，我们提出了一种基于动态原型流（DPFNet）的轻量级协同优化网络。与孤立的特征处理方法不同，DPFNet在整个流程中统一使用动态原型作为载体。

  来源：Neurocomputing

  时间：2026-09-02

• 基于神经网络的动态功能连接估计用于脑电图运动想象解码

  摘要准确解码脑电图（EEG）信号中的运动想象（MI）对于构建可靠的脑机接口（BCI）系统至关重要。然而，由于对动态区域间依赖关系的建模有限，现有方法往往难以捕捉复杂的非平稳神经交互。在这项工作中，我们提出了 FMICNet，一种新颖的深度学习框架，通过互信息估计将动态功能连接

  来源：Neurocomputing

  时间：2026-09-02

知名企业招聘：