• 高效地对基于文本的人物搜索模型CLIP进行调优

  摘要 基于文本的人物搜索的核心挑战在于弥合视觉和语言之间的跨模态异构性差距，以实现文本描述与行人图像之间的准确匹配。现有方法要么依赖于大量标注样本来训练专用的跨模态模型，要么在预训练模型（如CLIP（对比语言-图像预训练）上进行全参数微调。这些方法不仅消耗大量的计算资源，还倾向于

  来源：Neurocomputing

  时间：2026-08-26

• 用于非线性力学响应预测的分层拉普拉斯卷积神经网络求解器

  **摘要** 本文提出了一种分层拉普拉斯卷积神经求解器（HL-CNS），这是一种基于物理的神经多网格框架，用于预测非线性力学响应。所提出的方法将多网格V循环的误差校正路径直接嵌入到可学习的神经架构中，同时通过数据自适应的拉普拉斯核来表示底层微分算子。基于残差的神经网络用于模拟

  来源：Neurocomputing

  时间：2026-08-26

• 基于IB（Intensive Banking）模型的自适应滤波与考虑资源预留的对比度正则化的可靠时间图表示学习方法

  摘要 时间图表示学习是许多信息系统的基础。其中一个核心挑战是，在构建上下文时支持时间预测的历史证据可能很稀疏，在潜在融合过程中可能被扭曲，或者受到模糊辅助监督的误导。为了解决这一挑战，本文提出了IBERG（一种受信息瓶颈启发的方法），用于提高时间图表示学习的可靠性。IBERG将预

  来源：Neurocomputing

  时间：2026-08-26

• 综述：多实例多标签学习：理论、分类体系及现代方法——一项综述性研究

  摘要：多实例多标签（MIML）学习解决了现实世界中普遍存在的问题，即每个样本包含多个实例，并且同时与多个类别标签相关联。自2006年正式提出以来，MIML已经从一个理论上的奇观发展成为一个多功能框架，涵盖了图像注释、文本分类、生物信息学、医学成像和计算病理学等领域。本调查系统地审

  来源：Neurocomputing

  时间：2026-08-26

• 面向少样本组织病理学图像分类的正向视觉语言噪声学习

  摘要视觉 - 语言模型在医学图像分析方面显示出巨大的潜力，但由于标注有限、领域偏移以及全参数微调的高成本，将其适应于组织病理学图像分类仍然具有挑战性。在本文中，受正激励噪声理论启发，我们提出了 HiPN，一种基于正视觉 - 语言噪声学习的小样本组织病理学图像分类框架。HiPN

  来源：Neurocomputing

  时间：2026-08-26

• GhostODE：一种基于常微分方程优化的轻量级网络

  摘要 最近，神经常微分方程（NODEs）已成为轻量级神经网络的一个有前景的范式。 however，其在轻量级网络中的实际应用仍受限于数值积分的准确性 - 成本权衡，特别是在仅能承担少量积分步骤的情况下。在本文中，我们提出了 GhostODE，一种高效的轻量级 ODE 架构。首

  来源：Neurocomputing

  时间：2026-08-26

• 无人系统中零化神经动力学的全面综述：设计、分析与挑战

  摘要 随着无人系统越来越多地在动态和非结构化环境中运行，它们面临着复杂的时变控制问题，需要实时和高精度的解决方案。传统的数值计算方法往往难以应对此类快速变化的系统，导致计算负担沉重和显著的滞后误差。为了应对这些挑战，零化神经动力学 (ZND) 作为一种强大的计算框架应运而生，

  来源：Neurocomputing

  时间：2026-08-26

• 一种考虑个体与群体公平性的社交网络个性化定价图神经网络框架

  摘要个性化定价根据客户特定特征为同一产品向客户分配不同价格，以提高零售商盈利能力。然而，这种做法往往引发对个人和群体层面公平性的担忧。在个体层面，如果客户注意到自己被收取比别人更高的价格，可能会感到受到不公平对待。在群体层面，系统性的定价差异可能导致对某些受保护群体（如按性别

  来源：Neurocomputing

  时间：2026-08-26

• 用于监督特征选择的稀疏线性判别分析

  摘要 基于稀疏学习的特征选择方法在机器学习领域引起了广泛关注。在本研究中，我们引入了一种基于线性判别分析（LDA）稀疏性的新型特征选择方法，采用迹差线性判别分析来有效选择特征。使用 l2,0 范数约束投影矩阵，相比 l2,1 范数促进了更高水平的稀疏性。然而，在 l2,0 范

  来源：Neurocomputing

  时间：2026-08-26

• 基于真实与 CGAN 增强光谱数据的废水质量预测

  摘要本研究提出了一种基于数据驱动的方法，利用紫外 - 可见光谱技术和机器学习来估计化学需氧量（COD），这是一个关键的废水质量指标。为了解决皮革厂等高污染工业环境中存在的数据稀缺问题，本研究引入了一种基于条件生成对抗网络（CGAN）的数据增强策略。该模型以特定的 COD 值为

  来源：Neurocomputing

  时间：2026-08-26

知名企业招聘：