当前位置:首页 > 今日动态 > 神经科学
  • 基于Grad-CAM贡献信息的高速公路事故地点预测:一种可解释深度学习框架的研究

    本文提出了一种利用卷积神经网络(CNN)和Grad-CAM可解释性技术预测高速公路事故地点的新方法。研究通过ETC 2.0探针数据生成车辆轨迹图,训练CNN模型预测未来30分钟的事故风险,并利用Grad-CAM提取时空贡献信息来定位高风险路段。验证结果表明,该方法在东海道高速公路15.34公里路段上的定位误差比基准方法降低约19%,且在多车事故和高流量条件下表现出更高准确性。这项研究为交通运营商实施精准的短期安全干预措施提供了有力支持。

    来源:Asian Transport Studies

    时间:2026-04-27

  • 生成式人工智能预测放射学孤立综合征向多发性硬化的转化:基于MRI的个体化数字孪生与脑年龄差在早期风险分层中的应用

    本文旨在解决放射学孤立综合征(RIS)患者向临床多发性硬化(MS)转化的早期预测难题。研究人员利用生成式流形学习(GML)人工智能框架BrainGML-MS,分析了RIS、MS患者及健康对照者的脑MRI数据,生成个体化数字孪生并进行风险分层。研究发现,基于基线MRI计算的脑年龄差(BAG)和特定脑区结构异常模式能够有效区分RIS转化者(RIS-C)与非转化者(RIS-NC),并能将RIS人群划分为具有不同5年转化风险(10%-39%)的四个亚组。该研究表明,MRI衍生的脑老化生物标志物和个体化数字孪生模型有望提升RIS患者的早期风险分层能力,为临床前MS的管理决策提供新工具。

    来源:PLOS Digital Health

    时间:2026-04-27

  • 虚拟现实(VR)辅助正念训练可降低企业员工工作相关压力的生理标志物:一项前后对照研究

    为解决高工作负荷下企业员工普遍面临的工作压力问题,研究人员开展了虚拟现实(VR)辅助正念干预研究。研究发现,单次VR正念干预可显著降低受试者的皮肤电活动(EDA)和血容量脉冲(BVP),表明能有效减轻交感神经系统激活和压力生理反应。这为开发无创、便捷的企业压力管理方案提供了新思路。

    来源:Digital

    时间:2026-04-27

  • 面向电动汽车热管理的机舱气流数据驱动替代模型开发与集成

    为解决电动汽车(EV)系统级能耗模拟中缺乏快速、高精度机舱气流模型的问题,本研究开发了一种基于图神经网络(GNN)的数据驱动替代模型。该模型能够以近实时速度预测机舱内的气流速度与温度分布,捕获了包括喷流、回流和热分层在内的关键流动特征,并成功集成至Modelica/Dymola系统级仿真平台,为HVAC控制优化和整车能量管理提供了高效工具,显著弥补了传统CFD仿真计算成本高昂的不足。

    来源:Fluids

    时间:2026-04-27

  • 感官增强技术的新时代

    人类生物学与智能技术之间的界限正在逐渐模糊。这种融合在新兴的感官增强领域表现得最为明显,人工智能(AI)、神经科学和可穿戴计算技术正在共同重新定义我们的基本感官。 几十年来,这一领域的主要目标是恢复功能,即开发帮助人们恢复失去的视力或听力的技术。然而,专家

    来源:Communications of the ACM

    时间:2026-04-27

  • 中风患者在康复过程中久坐行为的变化及其长期趋势分析

    **摘要:** **背景与目的:** 在中风康复期间,久坐行为(SB)非常普遍。评估久坐行为的持续时间和模式有助于制定个性化的干预措施。本研究旨在根据患者入院时的多个久坐行为指标,将接受住院康复的中风患者分为不同的亚组,并考察他们在一个月内的久坐行为变化情况。 **方法:**

    来源:Journal of Neuro-Ophthalmology

    时间:2026-04-27

  • 基于神经网络的子空间方法用于求解特征值问题

    戴晓英|范云英|盛志强 中国科学院数学与系统科学研究院SKLMS,北京,100190,中国 **摘要** 在本文中,我们提出了一种基于神经网络的子空间方法,用于求解特征值问题。与现有的基于神经网络的方法相比,该方法具有更高的准确性和更低的计算成本。首先,我们利用某些

    来源:Communications in Nonlinear Science and Numerical Simulation

    时间:2026-04-27

  • 基于新颖矩阵度量方法的双分拟同步技术在忆阻式四元数值神经网络中的应用

    宁莉|郑伟兴 河南经济法学院数学与信息科学学院,郑州,450046,中国 **摘要** 本文研究了多模数四元数值忆阻神经网络(QVMNNs)中的双边准同步问题。与以往的研究不同,本文考虑的网络拓扑结构更为通用,可能是结构不平衡的有向图。首先,通过使用矩阵1-范数方法

    来源:Communications in Nonlinear Science and Numerical Simulation

    时间:2026-04-27

  • 关于TSLies(Time Series Anomalies)的最新进展:这是一个基于高效机器学习的异常检测框架

    安德烈亚·阿德莱菲奥|萨拉·库蒂尼|弗朗切斯科·隆戈|斯特凡诺·杰尔马尼|帕斯夸莱·卢布拉诺|里卡多·克鲁皮|西蒙妮·马尔德拉 意大利佩鲁贾国家核物理研究所 摘要 在科学和工业应用中,异常检测的时间序列分析是一项重要任务。当处理高容量、高维度和非平稳数据时,传统的统

    来源:Astronomy and Computing

    时间:2026-04-27

  • 从单调图神经网络到数据图,再回到单调图神经网络:表达能力与实际应用

    大卫·特纳·库卡拉|贝尔纳多·库恩卡·格劳|鲍里斯·莫蒂克|埃戈尔·V·科斯提列夫 英国牛津大学计算机科学系 **摘要** 许多在知识图谱上的任务,如链接预测,可以被概念化为学习关系事实集合的转换问题。机器学习模型(如图神经网络GNN)可以用来实现这种转换,从而从示

    来源:Artificial Intelligence

    时间:2026-04-27


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