• 基于视图重构与结构统一的不完整多视图聚类

  摘要 作为不完整多视图聚类（IMVC）方法的一个重要类别，基于子空间的方法旨在从不完整的多视图数据中寻求共识潜在表示。然而，它们通常存在两个关键局限性。首先，它们通常依赖朴素插补或简单地忽略缺失条目。这会导致严重的错误传播，并在高缺失率下未能充分利用视图间相关性。其次，它们忽

  来源：Neurocomputing

  时间：2026-08-26

• 综述：异构图像域适应综述

  摘要监督深度学习通常需要大量的标注数据，而这往往难以获得。领域自适应通过将知识从一个标注数据集迁移到另一个（未标注或部分标注）数据集来缓解这一问题，而异质领域自适应（HDA）尤为具有挑战性，因为领域存在于不同的空间中。这是一个新兴的研究领域，涵盖了使用各种传感器（遥感、机器人

  来源：Neurocomputing

  时间：2026-08-26

• 面向标签噪声下鲁棒学习的类别感知集成重加权

  摘要 传统的提升算法（如 AdaBoost 和梯度提升决策树（GBDT））为每个基础学习器分配一个标量权重，假设其在所有类别上具有一致的判别能力。这种全局权重方案在噪声分类场景下变得存在问题，尤其是在正向激励噪声下。为了解决这些局限性，我们提出了一种新型的事后优化框架，用类感

  来源：Neurocomputing

  时间：2026-08-26

• 用于动态图异常检测的带有时间衰减图扩散的上下文感知层次化图神经网络

  摘要 动态图异常检测对于识别现实世界系统中的异常交互至关重要，例如社交媒体、电子商务和网络安全。现有方法通常独立编码图快照，随后聚合其时间表示，这限制了它们在保留时间相关的长程证据的同时，显式捕获跨快照细粒度结构演化的能力。此外，直接扩展历史观察窗口可能会引入无关信息和过高的

  来源：Neurocomputing

  时间：2026-08-26

• 通过结构化潜在图解码实现具有偏差意识的多模态对象检测

  摘要 结合RGB–IR和RGB–热成像传感技术可以在恶劣条件下提供互补的信息，从而实现更稳健的对象检测。尽管在这些基准测试中图像对齐，但由于跨模态表示的差异、某一模态质量下降时的脆弱交互以及将紧凑的潜在表示投影回密集空间预测时的不确定性，有效的融合仍然具有挑战性。我们提出了G

  来源：Neurocomputing

  时间：2026-08-26

• 利用基于基序的超图神经网络探索高阶相关性以用于流行病预测

  •复杂的流行病传播模式通常表现出高阶依赖关系。 •MHGNN 使用超图和模体来捕捉区域间的高阶依赖关系。 •超边捕捉区域间的局部地理邻接性和全局相关性。 •网络模体移除无关紧要的关系，以保留关键的消息传递路径。 •MHGNN 在流行病预测任务上达到了最先进的性能。 引言

  来源：Knowledge-Based Systems

  时间：2026-08-26

• 自适应多尺度超图神经网络在多源检测中的应用

  **摘要** 基于超图的源检测 focuses on 从定义在更高阶交互结构上的传播快照中反向识别扩散源。传统方法针对简单网络开发，假设传播是成对的，因此无法捕捉现实世界系统中常见的更高阶聚合交互和非二元依赖关系。由于超图明确编码了多节点关系，因此在超图表示下研究源检测对于改

  来源：Knowledge-Based Systems

  时间：2026-08-26

• 基于卷积神经网络预测随机自由形态天线设计的反射响应

  •CNN 从伪随机自由形式设计中预测天线反射响应。 •通过使用 50 顶点自由形式形状而非规范形状，消除了工程师偏见。 •通过消除对昂贵电磁仿真的需求，加速了天线筛选。 •输出宽频率范围内的反射系数，而不仅仅是单点。 •模型在 1.9 毫秒内提供预测，而完整电磁仿真需要 90

  来源：Knowledge-Based Systems

  时间：2026-08-26

• 柔性Cu/parylene-MoOx/ITO忆阻器在可穿戴神经形态应用中实现更高电阻切换可靠性的电化学本质

  摘要近年来，可穿戴电子产品的快速发展对可靠、紧凑、强大且符合人体工程学的计算系统提出了要求，这些系统能够持续监测健康参数并处理多种生理信号。在过去十年中，忆阻式神经形态系统在计算效率和高度集成方面取得了显著进展。目前，对忆阻器及其他附加功能的研究（包括将其集成到可穿戴电子设备中）

  来源：Journal of Alloys and Compounds

  时间：2026-08-26

• 面向船舶二氧化碳捕集的高效 MEA/[TBA][Br] 溶剂的集成实验与机器学习优化框架

  摘要使用 MEA/[TBA][Br] 溶剂的船上二氧化碳（CO2）捕获（SCC）系统缺乏实验研究以及能够在保持高 CO2 捕获率的同时最小化再生能耗的高效数据驱动优化框架。本研究进行了循环实验，并开发了一种基于深度神经网络（DNN）的框架，以优化与船舶相关的碳捕获操作条件。在

  来源：Science China-Chemistry

  时间：2026-08-26

知名企业招聘：