-
综述:AI驱动的四足机器人:从基础运动到高级仿生行为
四足机器人因其能够穿越不平坦地形、支持野外部署以及执行轮式或履带式平台难以完成的任务而受到越来越多的关注。人工智能(AI)的最新进展进一步扩展了它们的能力,从手动设计的步态控制转向基于学习的运动、感知感知自适应、动态运动技能、自主恢复、操作、能量感知运行、故障
来源:Frontiers in Neurorobotics
时间:2026-07-24
-
综述:努力感知的分层整合模型:通过血流限制(BFR)揭示的外周、中枢、认知、时间与应用机制
努力感知——即动作感觉上有多费力的主观体验——源于外周感觉信号、中枢运动抑制和高阶认知评估的整合。血流限制(BFR)提供了一个独特的环境,其中这些相互作用被放大,揭示了即使在机械负荷较低时,感知-行动关系也可能被扭曲。本综述综合了神经生理学、心理学和应用运动科
来源:Frontiers in Neuroergonomics
时间:2026-07-24
-
神经网络启发的联邦协调用于网络物理需求侧管理中的噪声容忍分布式优化
引言:本研究提出了一种神经网络启发的计算框架,用于分布式智能体网络中的分层、噪声容忍协调。该框架在一个网络物理需求侧管理(DSM)测试平台中进行了评估,其中自主家庭能源管理系统(HEMS)在共享全局价格信号下执行本地调度。方法:隐私保护联邦拥塞信号协调(PPF
来源:Frontiers in Computational Neuroscience
时间:2026-07-24
-
基于零斜率线的亚临界Hopf分岔神经元离散时间映射
处于亚临界Hopf分岔附近的神经元因其产生亚阈值振荡、在静息与重复放电之间维持双稳态,以及对接近其固有共振频率的输入优先放电的能力而区别于其他神经元。使用连续时间模型(如Hodgkin-Huxley形式)在大型神经网络中模拟这些特性在计算上代价高昂,这促使研究
来源:Frontiers in Computational Neuroscience
时间:2026-07-24
-
利用辣椒素对痛觉神经进行时空定位的去功能化处理,可促进小鼠跟腱断裂模型中的结构修复
摘要慢性跟腱病是一种常见且影响生活质量的疾病,会损害患者的日常功能。虽然健康的肌腱中没有神经,但如今人们已认识到感觉神经纤维异常生长进入肌腱是导致慢性疼痛的关键原因。这些生长的神经会充当痛觉感受器,释放如P物质和降钙素基因相关肽之类的与疼痛相关的神经肽,从而持续引发疼痛和神经源性
来源:Scientific Reports
时间:2026-07-24
-
基于功能自适应交互正则化回归的亚群感知型自杀风险预测
摘要自杀是一个重大的公共卫生问题,而机器学习为识别高风险个体提供了有效的工具。然而,传统模型往往无法在不同人群亚组中实现最佳性能,从而导致检测结果的不稳定性。本研究利用2013年至2023年美国国家药物使用与健康调查(NSDUH)的数据,提出了功能自适应交互作用正则化惩罚逻辑回归
来源:npj Mental Health Research
时间:2026-07-24
-
基于物理先验的贝叶斯神经网络,用于可靠的电池健康状态评估
摘要对锂离子电池进行准确且考虑不确定性的健康状态评估,对于确保能量存储系统的可靠性、安全性与效率至关重要。虽然数据驱动方法具有出色的预测性能,但往往缺乏可解释性以及可靠的不确定性量化能力;而基于物理的模型则依赖于精确的参数设定,其泛化能力可能有限。为解决这些难题,本文提出了一种贝
来源:Scientific Reports
时间:2026-07-24
-
基于深度学习方法的社会媒体文本双语情感识别
摘要在社交媒体平台上,用户使用多种语言发表评论,表达自己的想法和观点,其中包括英语和阿姆哈拉语,从而产生了海量数据。准确解读这些评论具有重要的实际意义,可应用于客户情绪分析、舆情监测以及心理健康意识提升等领域。因此,情感分类任务显得尤为重要。在双语及多民族社会中,人们在口语和书面
来源:Scientific Reports
时间:2026-07-24
-
利用混合灰狼优化器人工神经网络模型预测埃塞俄比亚粘性土上浅基础的最大承载力
摘要在岩土工程中,准确估算粘性土上浅基础的抗压承载力仍是一项重大挑战,尤其是在那些存在膨胀性、非均质粘土沉积的地区。在埃塞俄比亚,由于当地土壤的特性较为复杂,直接应用传统的抗压承载力理论往往会导致设计结果不可靠。本研究构建并验证了一种混合灰狼优化器人工神经网络(GWO-ANN)模
来源:Scientific Reports
时间:2026-07-24
-
SpikeMicroNet:一种用于显微镜下高效光学微机器人姿态与深度估计的类脑视觉感知技术
摘要由光镊驱动的光学微机器人是一种用于细胞级操作、微组装以及精准生物医学干预的新兴工具,但其闭环控制依赖于必须在严格能耗限制下实时运行的感知子系统。现有的基于光学显微镜数据的感知系统依靠密集型人工神经网络,每次推理会消耗数毫焦到数十毫焦的能源,这与驱动光学硬件的嵌入式控制器不兼容
来源:Scientific Reports
时间:2026-07-24