-
左下额回的阳极刺激降低隐喻理解能力
•我们使用高频经颅直流电刺激（HD-tDCS）来考察左下额回（LIFG）在隐喻加工中的作用。•参与者接受阳极或假刺激，并对句子的可理解性进行评分。•对LIFG的阳极刺激导致隐喻的可理解性评分降低。•字面义和无意义句子未受到刺激的影响。•LIFG在计算隐喻意义方面起着因果作用。
来源：Brain and Cognition
时间：2026-08-31
-
带有隐层的误差传播驱动图神经网络
•分析系统稳定性与扰动传播动力学
•提出基于非齐次常微分方程的受限隐式图神经网络
•提供关于稳定性和鲁棒性边界的理论保证
## 引言
图神经网络（GNNs）凭借其有效处理模式识别领域非独立同分布（non-IID）结构化数据的能力，在众多领域受到了广泛关注，例如计算机视觉
来源：Pattern Recognition
时间：2026-08-31
-
基于自适应椭圆基元表示学习的摄影图像布局检索
•面向不规则布局区域的自适应椭圆原语参数化。•双粒度布局图在多种粒度上建模布局结构。•置换不变损失与编码器–解码器实现自监督布局嵌入。•在布局检索任务上取得最优性能，并支持无监督布局发现。引言组合原语的空间排列及其相对关系——即布局信息——在决定图像美感、传达图像内容和表达情
来源：Pattern Recognition
时间：2026-08-31
-
面向多变量时间序列预测的缺失感知原型引导状态空间模型
# 摘要
真实世界系统中的多变量时间序列预测常常受到连续缺失数据的影响。现有的多阶段流水线依赖于在预测前进行插补，可能将重建误差传播到下游预测中。与此同时，尽管最近的状态空间模型（SSM）实现了线性时间效率，但在长时间观测间隙期间，重复的收缩性状态转移可能会累积性地衰减间隙
来源：Neurocomputing
时间：2026-08-31
-
通过语言和图文问答任务进行时序模态细化的时间片段定位
摘要
本文聚焦于一项新颖任务，即引入一个统一的平台，能够在单一架构中解决多种多模态视觉-语言研究方向。具体而言，基于自然语言的视频时间片段定位旨在识别与自然语言查询相对应的时序片段，而视频问答与图像问答则分别旨在根据视频和图像内容预测正确答案。提出的框架无需同时输入所有模态，
来源：Neurocomputing
时间：2026-08-31
-
REST-SNN: 用于鲁棒脉冲神经网络的正则化且高效时空注意力
摘要
基于注意力机制的脉冲神经网络（SNNs）提升了表征学习能力，但连续的注意力调制在离散脉冲动力学中引入了一条对扰动敏感的通路。我们提出REST-SNN，一种结合注意力整合整数泄漏积分-发放模型（AI-LIF）实现与空间平滑正则化（SSR）及时间一致性正则化（TCR）的时
来源：Neurocomputing
时间：2026-08-31
-
基于多源加权聚合与超图增强的自适应密度感知软聚类联邦学习框架
摘要聚类联邦学习（CFL）通过构建客户端之间的聚类结构来缓解联邦学习（FL）中的数据异构性问题。然而，硬聚类方法强制每个客户端仅属于单个聚类，难以捕捉重叠的相似结构。尽管软聚类通过多重隶属关系增强了结构表达性，但现有方法仍受限于固定阈值依赖、聚合信息利用不足以及对重叠客户端的
来源：Neurocomputing
时间：2026-08-31
-
基于多尺度一致性匹配用于对比域自适应目标检测的伪标签精炼方法
领域自适应目标检测（DAOD）通过缓解目标检测任务中的跨域偏移问题。自训练框架通过伪标签监督取得了有前景的性能，但伪标签噪声问题一直困扰着其发展。虽然对比学习已被应用于领域自适应，但将其直接应用于噪声伪标签会引入采样偏差，放大错误的监督信号，损害跨域特征对齐。为了解决这一问题
来源：Neurocomputing
时间：2026-08-31
-
基于面部结构保持蒸馏网络的轻量级人脸超分辨率
# 中文翻译
**摘要**
深度神经网络的演进显著推动了人脸超分辨率（FSR）的发展。然而，现有架构通常依赖于空间不变核，这限制了其对人脸组成部分结构异质性的建模能力。尽管先验引导方法试图融入人脸几何结构，但由于先验估计不可靠，其在低分辨率场景中的性能往往会下降，同时还引
来源：Neurocomputing
时间：2026-08-31
-
通过联合粒度拓扑保持实现无训练的图压缩
摘要图压缩（GC）通过合成紧凑的图来缓解图神经网络的瓶颈问题。然而，现有方法存在内存溢出的风险或忽视了全局结构连续性。我们提出联合粒度拓扑保持（JGTP），一个高效的免训练框架。JGTP利用密度峰值偏序机制锚定全局宏观主干，同时通过局部最优传输并结合融合Gromov-Wass
来源：Neurocomputing
时间：2026-08-31
粤公网安备 44010602000434号