• ICRD：基于模态内对比学习与替换令牌检测的自监督医疗多模态表示学习

  摘要在医疗多模态学习中，由于多模态数据的异质性，不同类型的' data需要采用不同的' 预处理和特征提取方法，导致表示空间中跨模态的语义不一致性，从而阻碍了有效的表示学习。因此，需要进行多模态对齐以维持不同模态表示之间的信息一致性。然而，大多数现有工作主要关注跨模态对齐，而忽

  来源：Neurocomputing

  时间：2026-08-31

• EchoMark：一种在基于扩散模型的图像编辑中嵌入数字回声的非侵入式水印方案

  摘要 生成式编辑模型，特别是基于扩散模型的方法，扩展了灵活图像操作的可能性。然而，在AI辅助二次创作的背景下，它们也带来了重大的版权和伦理挑战，尤其是关于衍生作品方面。现有的水印技术主要针对一次性的文本到图像生成而设计，当应用于迭代编辑工作流时存在明显不足。其水印信号可能在

  来源：Neurocomputing

  时间：2026-08-31

• 双层模糊对抗聚类

  摘要 模糊C均值（FCM）使用模糊隶属度（FMD）来表示每个样本，用以量化样本对簇的归属程度，而非统计概率。然而，其欧氏距离度量可能无法充分捕捉复杂的样本结构，并且没有显式利用互补的非归属信息。我们将精确互补量定义为互补非隶属度（NMD）矩阵。我们提出了双层模糊对抗聚类（DL

  来源：Neurocomputing

  时间：2026-08-31

• GUA_FCM：一种广义通用自适应模糊C均值聚类算法

  摘要 模糊 C 均值（FCM）算法通过引入模糊隶属度函数，扩展了传统的硬聚类算法，表现出优异的性能，成为最广泛使用和经典的聚类算法之一。然而，FCM 仍面临一些挑战，例如未考虑不同数据特征和类别对聚类效果的影响，未充分利用簇内和簇间距离信息，以及通常采用固定的模糊化系数，这些

  来源：Neurocomputing

  时间：2026-08-31

• 预防性使用头孢曲松可减轻坐骨神经部分结扎小鼠模型中的神经病理性疼痛和焦虑样行为

  摘要 背景 神经病理性疼痛与焦虑样障碍相关联，提示二者可能存在共同的神经生物学机

  来源：European Journal of Pain

  时间：2026-08-31

• 基于文本衍生的代理标签实现弱监督下稳健多模态假新闻检测

  摘要：社交媒体上的假新闻传播构成了重大的社会挑战，影响着公众信任、民主进程和在线信息生态系统的可靠性。近期多模态研究表明，联合利用文本内容、视觉信息和社会传播模式可以显著提升假新闻检测性能。然而，大多数现有方法依赖于全监督设置，需要大量人工验证的标注数据，这一假设在真实场景中

  来源：Journal of Computational Science

  时间：2026-08-31

• 综述：阻燃剂在人体基质中生物监测的进展

  •提出了一个分层框架，用于指导在人体样本中选择阻燃剂检测方法。•首次提出了五种人体基质的最低验证标准。•量化了空白污染来源，并提供了实用的缓解建议。•提供了基质效应公式和可接受范围（80–120%）。•未来方向：微采样、高分辨率质谱分析及便携式SERS技术。引言阻燃剂（FRs

  来源：Journal of Chromatography A

  时间：2026-08-31

• 结合原始和预处理血清拉曼光谱的双通道卷积神经网络（CNN）融合技术，用于实现对包虫病的精准筛查

  **摘要** **背景** 血清拉曼光谱技术为生物分析筛查提供了无标记的分子指纹，但传统模型通常依赖于单一的预处理流程。由于预处理会改变光谱分布并减弱原始光谱中保留的信息，本研究开发了一种双通道融合策略用于包虫病筛查。 **结果** 我们分析了573份来自肝包虫病（H

  来源：Analytica Chimica Acta

  时间：2026-08-31

• SpectralTAG: 基于统一的大语言模型与图神经网络文本图的红外光谱官能团识别

  摘要 背景：光谱分析是现代化学表征的重要基础，然而从光谱信号中提取具有化学意义的解释仍受限于数据驱动的模式识别与结构化领域知识之间的脱节。 结果：本文提出SpectralTAG，一个统一的基于图的推理框架，通过将红外光谱、层次化化学知识图谱和科学文本表示在共同的文本属性图

  来源：Analytica Chimica Acta

  时间：2026-08-31

• 两阶段框架用于信息物理系统中的异常检测：一种有监督的深度学习方法 信息物理系统（CPS）是一种结合了计算、网络和物理过程的系统。确保CPS的安全性至关重要，因为任何异常都可能导致严重后果。在CPS中进行异常检测对于维护系统完整性和安全性至关重要。传统方法由于容量有限，往往无法捕捉CPS数据中的复杂模式。为了应对这一挑战，我们提出了一种基于有监督深度学习方法的两阶段CPS异常检测框架。第一阶段使用预训练的深度神经网络进行特征提取。第二阶段利用自编码器进行异常检测。实验结果表明，我们提出的框架在准确性和效率方面优于现有方法。我们的工作通过先进的机器学习技术提供了一种增强CPS安全性的新途径

  摘要智能电网是一种复杂的网络—物理系统，将物理电力基础设施与网络通信系统融为一体。它面临多种异常，对系统的准确性和可靠性构成了重大挑战。本研究提出了一种用于检测异常数据、突发负荷变化（SLC）和虚假数据注入攻击（FDIA）的两阶段框架。在第一阶段，利用加权最小二乘（WLS）状

  来源：Sustainable Energy Technologies and Assessments

  时间：2026-08-31

知名企业招聘：