• 基于水平联邦学习的隐私保护神经网络预测建模在保险业中的应用与创新

  为解决保险公司在数据稀缺与隐私保护双重压力下无法协同建模的难题，研究人员针对“隐私保护的神经网络预测建模”这一主题，利用水平联邦学习（FL）技术开展研究。他们创建了一个模拟的10家保险公司汽车保险市场，发现通过FL构建的集体模型，在未共享任何敏感客户数据的前提下，其预测精度（暴露加权泊松偏差解释率5.34%）接近数据完全共享的集中式模型（5.57%），显著优于各公司独立建模（最高3.82%）。该研究为保险业在严格数据监管下实现安全协作、提升模型性能提供了创新性解决方案。

  来源：British Actuarial Journal

  时间：2026-04-01

• 人格特质与在线信贷决策：基于手机数据的行为心理机制与风险预测研究

  为解决在线信贷市场快速增长但违约风险高、传统软信息评估方法（如问卷）存在主观性强和可扩展性不足的问题，本研究利用手机使用数据构建尽责性与神经质的人格特质指标，探究其对在线借贷与违约决策的影响及其心理机制。研究发现，高尽责性个体借款与违约概率更低，而高神经质个体则更可能借款且违约风险更高。该研究揭示了自我控制、家庭支持、消费金额和贷款金额等对人格特质影响信用决策的调节作用，为金融机构利用数字化行为足迹进行风险评估和决策优化提供了理论与实践依据。

  来源：Financial Innovation

  时间：2026-04-01

• 综述：人工智能在注意力缺陷多动障碍诊断中的应用：基于机器学习的精准医学综述、临床验证挑战与实施障碍

  这篇综述系统分析了人工智能（尤其是机器学习ML/深度学习DL）在注意力缺陷多动障碍（ADHD）临床诊断与评估路径中的前沿应用。文章评估了基于脑电图（EEG）、神经影像、可穿戴技术、虚拟现实、眼动追踪、基因组学、数字治疗和多模态融合等多种数据模态的应用价值、诊断性能与临床验证挑战，并讨论了实现临床转化的关键障碍与未来方向。研究表明，尽管部分技术在特定条件下展现出极高的准确度（如EEG分类可达99%），但经过严格验证的研究显示其实用临床性能通常在70-85%的范围内。综述强调了解释性、类不平衡、方法论严谨性、金标准诊断验证及监管框架等核心问题，主张将AI定位为辅助临床决策的互补工具。

  来源：Egyptian Pediatric Association Gazette

  时间：2026-04-01

• 用于动态约束多目标进化优化的在线时空预测

  本文提出基于时空预测策略的动态约束多目标优化算法（STPS），通过将历史Pareto解映射为二维图像构建时空序列，结合CNN和GRU模型预测新环境下的初始种群，并设计增量学习机制优化预测精度。实验表明，STPS在多个基准测试和实际案例中显著优于现有算法。

  来源：Expert Systems with Applications

  时间：2026-04-01

• 基于流行度的混合图注意力网络在学术推荐中的应用

  摘要采用双塔结构融合用户流行度和合作者影响力，通过自注意力机制捕捉个体偏好，图注意力机制建模协作网络。实验在CNKI、OpenReview等三个学术数据集上验证，平均性能提升5-10%，NDCG@10最高提升16.66%。研究提出动态关键词流行度计算方法，并验证了跨领域适应性。

  来源：Expert Systems with Applications

  时间：2026-04-01

• 由工程不确定性引导的三维几何增强

  三维工程数据通过不确定性引导的主动学习与自由形变形融合增强框架研究，提出结合几何不确定性量化与FFD变形的主动学习框架，有效解决工业场景中三维数据稀缺问题，验证了该框架在结构力学和流体动力学领域的泛化能力。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-04-01

• 基于先验知识的自适应联邦双场景图神经网络在凝析气生成预测中的应用

  BOG预测框架融合物理先验知识、联邦学习与图神经网络，通过加权图结构建模传感器间拓扑依赖，开发双场景自适应联邦学习机制，在保护数据隐私前提下提升模型泛化能力，实验验证其物理一致性、预测精度及多场景适应性显著优于传统方法。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-04-01

• 基于门控循环单元神经网络逆模型预测的动态多目标进化算法及其应用

  针对动态多目标优化问题预测模型与决策变量进化规律不匹配导致初始种群质量低的问题，提出基于GRU神经网络的逆模型预测动态多目标进化算法。通过GRU建立目标函数与决策变量的映射关系，利用卡尔曼滤波预测未来环境目标函数，结合历史进化方向进行后优化改进，有效生成高质量初始种群，显著提升求解效率。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-04-01

• MMJP：一种适用于飞行自组织网络的、考虑移动性和拥塞情况的路由协议

  无人机网络（FANETs）路由协议需兼顾拓扑优化与流量预测，本文提出基于时空图卷积网络（STGCN）的多指标联合预测路由协议（MMJP），通过融合时空特征预测节点资源并优化路径选择，有效缓解高流量区域拥堵，提升数据包投递率和吞吐量，仿真结果显示性能优于DSDV、GREEDY和OPAR等基准协议。

  来源：IEEE Transactions on Vehicular Technology

  时间：2026-04-01

• 多组学揭示帕金森病快速眼动睡眠行为障碍亚型的独特代谢与蛋白组学特征：聚焦肠道菌群驱动的毒性代谢产物累积

  本期推荐文章《Distinct metabolomic and proteomic signatures in Parkinson’s disease patients with REM sleep behavior disorder》。为探究帕金森病(PD)内部具有快速眼动睡眠行为障碍(RBD)的亚型(RBD-PD)的异质性及其潜在机制，研究人员整合了代谢组学、蛋白质组学和宏基因组学，对RBD-PD、无RBD的PD(non-RBD-PD)及健康对照进行了分析。研究发现RBD-PD存在独特的代谢扰动，其特点是肠道菌群衍生的芳香族氨基酸毒性分解产物（如p-甲酚硫酸盐、苯乙酰谷氨酰胺）显著累积，并与神经炎症相关蛋白水平及临床睡眠严重程度相关。这些改变在前驱期特发性RBD(iRBD)中已存在。该研究为PD的临床亚型分型和精准干预提供了多组学证据。

  来源：Signal Transduction and Targeted Therapy

  时间：2026-03-31

知名企业招聘：