• 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

• 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

知名企业招聘：