• 基于自适应LIF（Long-Interval Fire）的输出神经元设计，用于提高仅包含整数的数字脉冲神经网络的准确性

  摘要： 本文提出了一种全数字、固定权重的脉冲神经网络（SNN）架构，用于确定性图像分类。该系统通过系统的四阶段优化过程实现高精度分类：多特征时间解码、自适应阈值调整、神经元特定缩放以及基于集成的投票机制。输出神经元整合了泄漏膜电位和自适应阈值，而时间信息则通过ROM存储的整数系

  来源：IEEE Access

  时间：2026-06-08

• 肉毒杆菌毒素肌肉注射在头颈部的超说明书治疗应用：一项综述性研究

  摘要 通俗语言摘要 背景： 肉毒杆菌（Clostridium botulinum）神经毒素（BoNT）在美容面部应用中广受认可，但其治疗价值还涵盖多种颅面和颈部神经肌肉疾病。尽管

  来源：Journal of Craniofacial Surgery

  时间：2026-06-08

• 聚焦超声在阿尔茨海默病中的应用：一项文献计量学分析

  摘要 通俗语言摘要 目的： 本研究采用文献计量分析和知识图谱方法，系统地探讨了聚焦超声（FUS）技术在阿尔茨海默病（AD）治疗中的新兴研究前沿和发展轨迹，并通过分析热点和新主题为

  来源：Journal of Craniofacial Surgery

  时间：2026-06-08

• 用于动态轮胎垂向力估计与滑水分类的门控循环单元(GRU)模型

  摘要：本研究提出一种利用门控循环单元(Gated Recurrent Unit, GRU)模型估计全车四轮动态轮胎垂向力(Tire Normal Force, Fz)的新方法。先进驾驶辅助系统(Advanced Driver Assistance System

  来源：IEEE Access

  时间：2026-06-08

• 将人工智能与拉曼组学(Ramanomics)相结合用于活细胞生化微环境的无标记监测以推进细胞诊断与分子医学

  拉曼光谱(Raman spectrometry)凭借无损表征显微亚细胞体积（包括活细胞中单细胞器）分子组成的能力，已革新细胞生物学研究。作为无标记(label-free)生化成像方法被引入，拉曼光谱的实际应用仍常依赖荧光探针对细胞器及感兴趣亚细胞区域进行定位。

  来源：ACS Omega

  时间：2026-06-08

• FEM–PINN：基于有限元对齐弱形式与拉普拉斯–贝尔特拉米特征谱嵌入的线性弹性力学物理信息神经网络

  研究人员提出一种与有限元(Finite Element Method, FEM)对齐的物理信息神经网络(Physics-Informed Neural Network, PINN)——即FEM–PINN，用于求解小应变各向同性线弹性问题。该方法采用弱形式(we

  来源：Applied Computing and Geosciences

  时间：2026-06-08

• 用于野火蔓延与强度预测的卷积神经网络

  野火对生态系统、人类健康、基础设施及气候具有显著影响，因此，准确预测火行为及其影响具有关键意义。传统基于物理的模型能够细致模拟火灾—大气相互作用，但计算代价高昂，且在实时应用中存在局限。此外，输入参数的不确定性以及对燃烧过程的简化表征，可能降低其对野火驱动排放

  来源：Applied Computing and Geosciences

  时间：2026-06-08

• 基于方向感知神经网络(orientation-aware neural networks)的大理岩各向异性质量估算

  可靠的大理岩质量估算是进行有效采石场设计、生产计划编制及经济评价的关键前提。在装饰石材矿床中，纹脉强度、色变及纹理图案等质量属性表现出显著的定向依赖性(directional dependence)，即岩块或样品的表观质量受切割方向强烈影响。钻孔数据沿三维空间

  来源：Applied Computing and Geosciences

  时间：2026-06-08

• 基于街景房屋图像评估荒野-城市交界域(Wildland-Urban Interface, WUI)结构燃料荷载(Structural Fuel Load, SFL)与火灾风险的人工智能(Artificial Intelligence, AI)评估方法

  荒野-城市交界域（WUI）中的野火直接威胁人类生命和财产，住宅结构的外露可燃建筑材料在持续热辐射或飞火（fire spotting）作用下易被引燃，因此结构燃料荷载（SFL）的估算对WUI火灾蔓延建模与风险评估至关重要。本研究提出一种概念验证框架，通过整合深度

  来源：Applications in Energy and Combustion Science

  时间：2026-06-08

• 基于您上传的论文文档，分析结果如下： 中文标题 基于强化学习(Reinforcement Learning, RL)的时空动态多图集成框架用于多站点空气质量预测(Spatiotemporal Dynamic Multi-graph Ensemble Framework for Multi-station Air Quality Prediction)

  准确的多站点空气质量预报对城市环境管理、健康防护及污染预警具有重要意义。由于监测站点之间通过异质关系(Heterogeneous Relations)而非单一空间图相连，且这些关系的有效性随污染状况和预报时效(Horizon)变化，该任务在高污染城市环境中尤为

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-06-08

知名企业招聘：