当前位置:首页 > 今日动态 > 神经科学
  • 受生物学启发的尖峰扩散模型,具有自适应的横向选择机制

    冯凌昊|赵东成|沈思成|曾毅中国科学院自动化研究所,脑启发式认知智能实验室,北京摘要侧向连接是生物神经电路的基本特征,它促进了局部信息处理和适应性学习。在这项工作中,我们将侧向连接与一个子结构选择网络结合起来,开发了一种基于脉冲神经网络(SNNs)的新型扩散模型。与传统的人工神经

    来源:Neural Networks

    时间:2026-05-03

  • 综述:AIIT:一种基于图像变换的可调积分对抗攻击方法

    郭云农|吴阳|刘静内蒙古大学计算机科学学院,中国呼和浩特摘要深度神经网络(DNNs)极易受到对抗性攻击的影响,这在自动驾驶和面部识别等安全关键应用中带来了巨大威胁。模型集成技术通过利用多个替代模型的梯度信息,通常被视为一种强大的黑盒攻击方法。但现有的使用集成模型的黑盒攻击方法倾向

    来源:Neural Networks

    时间:2026-05-03

  • Probingformer:通过预训练和探测来建模跨维度依赖关系,以实现长期时间序列预测

    周北进|肖江文|王彦武|卢天浩华中科技大学人工智能与自动化学院,武汉,430074,中国摘要多变量时间序列预测(MTSF)的最新进展主要得益于监督学习和预训练-微调范式,而预训练-探索范式由于实证结果较弱而受到的关注较少。在这项工作中,我们重新审视了预训练-探索作为一种将表示学习

    来源:Neural Networks

    时间:2026-05-03

  • FRE-GAN:一种全分辨率、高效卷积生成对抗网络,用于视网膜血管分割

    于峰宇|洪毅|徐建军|丁卫平|张传斌广州大学统计系,中国广州,510006摘要准确分割视网膜血管不仅与疾病的临床诊断和手术规划有关,也与疾病研究密切相关。然而,由于医学图像中血管的厚度变化和对比度较低,再加上复杂的空间拓扑结构,基于深度学习的血管分割方法在实现优异性能方面仍然面临

    来源:Neural Networks

    时间:2026-05-03

  • 非目标偏差假设:探究跨模态知识蒸馏中的模态差异

    陈一龙|徐宗义|黄晓水|赵珊珊|高新波重庆邮电大学图像认知重点实验室,中国重庆市崇文路2号,400065摘要与单模态知识蒸馏(KD)相比,由于模态差异的存在,跨模态KD更具挑战性。然而,这些差异如何影响跨模态KD仍缺乏充分理解。在本文中,我们提出了“非目标差异假设”(NTDH),

    来源:Neural Networks

    时间:2026-05-03

  • 基于LLM(大型语言模型)的人机协同决策支持系统在复杂工业流程中的应用:以冶金行业为例

    Youcheng Zong|Runda Jia|Kang Li|Dazhan Xue|Liqiang Zhang|Dakuo He中国辽宁省沈阳市东北大学信息科学与工程学院,邮编110004摘要在复杂的工业过程中,多源异构数据常常形成数据孤岛,阻碍了数据整合并降低了人类决策者的认

    来源:Neural Networks

    时间:2026-05-03

  • 深入探讨基于决策的黑盒攻击下语义分割的对抗鲁棒性

    陈朝阳|单正阳|常静文|江凯迅|杨定康|程一婷|李敬伦|张文强复旦大学智能机器人与先进制造学院,上海,200433,中国摘要语义分割对于安全敏感的应用至关重要,然而它对基于黑盒决策的对抗性攻击的鲁棒性——最实际的攻击场景——尚未得到充分研究。在本文中,我们首先探讨了针对语义分割的

    来源:Neural Networks

    时间:2026-05-03

  • 超边重叠在重塑高阶交互神经网络动力学中的作用

    现有神经网络模型主要依赖于成对(pairwise)交互,通常忽略了现实世界神经系统中固有的高阶交互(higher-order interactions)。即使在那些包含了高阶结构的研究中,超边(hyperedge)重叠如何支配稳定性与突变行为的动力学机制仍然鲜

    来源:Neural Networks

    时间:2026-05-03

  • 基于结构鲁棒性学习和稳定原型引导的对比图聚类

    对比图聚类(Contrastive Graph Clustering)是一种有效的无监督节点表示学习范式,但在高维属性图中仍面临两个挑战。首先,全局共享的特征权重忽略了特征重要性的节点间差异,降低了簇间可分性。其次,仅基于当前预测推导的目标分布缺乏时间一致性,

    来源:Neural Networks

    时间:2026-05-03

  • 基于改进的YOLO算法,融合无人机(UAV)和Jetson平台的实时大豆害虫检测系统

    害虫显著降低大豆产量和品质。为克服现有检测模型计算复杂度高、参数量过大及精度不足等局限,本文提出一种轻量化、高精度且鲁棒性强的便携式大豆害虫识别系统。首先,从无人机(Unmanned Aerial Vehicle, UAV)视角对原始近距数据集进行预处理以增强

    来源:Neural Networks

    时间:2026-05-03


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