当前位置:首页 > 今日动态 > 神经科学
  • 综述:高血糖后半身舞动症的手术干预:病例分析及文献综述

    摘要 背景 偏侧舞动症/偏侧肌阵挛可能是严重高血糖的系统性后遗症。通过良好的血糖控制

    来源:Movement Disorders Clinical Practice

    时间:2026-07-08

  • 从扁桃仁蛋白中分离出新型神经保护肽及其对HT22细胞凋亡的调节作用

    陆志强|高延松|魏美琪|丁圣杰|刘荣阳|邓星星|林松毅|孔凌明 中国新疆维吾尔自治区乌鲁木齐市830002,新疆农业大学食品科学与药学院 摘要 氧化应激和胆碱能功能障碍与神经元损伤及认知障碍密切相关,但来自杏仁蛋白的具有特定序列的神经保护肽仍缺乏充分研究。本研究旨在

    来源:Food Bioscience

    时间:2026-07-08

  • 基于IACO-GA的警用无人机机场建设与应用优化研究

    张健|冯星|黄欣 中国辽宁省大连市甘井子区辽宁警察学院,邮编116036 摘要:针对城市道路管理中交通管理效率低下以及警用无人机应用分散的问题,本文基于网格划分方法,构建了涵盖城市管理区域、无人机巡逻范围、无人机基站数量及建设成本的多维数学模型。同时提出了一种改进的蚁群-遗传混

    来源:Neurocomputing

    时间:2026-07-08

  • 缓解有符号图学习中的极性偏差

    方贺|薛瑞珍|盛文飞|曹昌|赵凯奇|王茂军|张泽宇 中国湖北省武汉市华中农业大学湖北洪山实验室,作物遗传改良国家重点实验室,邮编430070 摘要 在现实世界的带符号网络中,不同度数的节点往往面临严重不平衡的正负关系,从而导致表示学习过程中语义上下文的不均衡。我们的

    来源:Neurocomputing

    时间:2026-07-08

  • 跳跃扩散随机神经网络的最优控制框架与理论收敛性保证

    齐荣|梁岩|段晓军|刘俊和|贾园园中国湖南长沙410073,国防科技大学理学院摘要本文提出了一种基于带跳跃的向后随机微分方程的概率机器学习框架。通过将一类带跳跃的扩散随机神经网络的训练过程转化为随机最优控制问题,我们建立了一个新的理论框架。为了解决参数更新中计算条件期望这一核心难

    来源:Neurocomputing

    时间:2026-07-08

  • MASCN:用于对比深度图聚类的多视图属性-结构一致性网络

    Xiangyi Teng|Hongbin Cao|Nina Shu中国西安,西电大学,广州理工学院摘要对比深度图聚类是一种将对比学习策略与图神经网络相结合的无监督聚类方法。近年来,它在处理复杂图结构数据的各类任务中取得了显著进展。然而,该领域仍存在三个关键挑战:1)仅依赖数据相似

    来源:Neurocomputing

    时间:2026-07-08

  • SFC-net:一种基于空间频率特征的合作对齐与融合网络,用于弱对齐的RGB-t显著目标检测

    陈举博|于晓生|孟留义|唐扬浦|宋明利 中国辽宁省沈阳市110167,东北大学机器人科学与工程学院 摘要 RGB-T显著目标检测结合了可见光图像的丰富纹理与热成像在恶劣条件下的强鲁棒性,在自动驾驶等实际应用中展现出巨大潜力。尽管前景广阔,但现有方法因依赖完美对齐的输

    来源:Neurocomputing

    时间:2026-07-08

  • MeMAT:具有深度长期记忆、短期记忆和持久记忆的多智能体变换器

    孙洁洁|金伟强|张宇|刘贵忠中国陕西省西安710049,西安交通大学信息与通信工程学院创新港摘要在部分可观测多智能体系统中进行学习仍然具有挑战性,因为长期交互和协调行为难以建模。传统的多智能体强化学习方法通常依赖有限的记忆或简单的循环网络,难以捕捉复杂的时序依赖关系。为了解决这一

    来源:Neurocomputing

    时间:2026-07-08

  • 融合多模态大型语言模型生成的依据以实现多模态命名实体识别

    Kexin Jiang|Bo Li|Xiaoqin Xiao广东外语外贸大学华南商学院计算机科学学院,中国广州510545摘要多模态命名实体识别需要整合文本与视觉信息,以便在社交媒体帖子中准确识别实体范围,而这些短文本往往具有模糊性且依赖上下文。我们提出了EPFF(证据后验融合框

    来源:Neurocomputing

    时间:2026-07-08

  • ILP-SAGE:一种用于可扩展归纳链接预测的基于采样的框架

    穆罕默德·拉希米|阿夫萨内·法特米|艾哈迈德·巴拉尼 伊朗伊斯法罕大学计算机工程系,伊斯法罕 摘要 链接预测是推断知识图中缺失事实的一项基础技术。在归纳框架下,它旨在预测训练过程中未出现节点之间的关系,因此对于动态和大规模应用尤为有用。尽管基于图神经网络的方法是一种

    来源:Neurocomputing

    时间:2026-07-08


高级人才招聘专区
最新招聘信息:

知名企业招聘:

    • 国外动态
    • 国内进展
    • 医药/产业
    • 生态环保
    • 科普/健康