当前位置:首页 > 今日动态 > 神经科学
  • 注意力投入增强了共同行动能力:来自脑内、脑间以及行为信号的证据(通过EEG超扫描技术获得)

    周子君|安娜·扎姆|贾斯汀·克里斯滕森|维内什·拉奥|简琳·D·洛尔 萨斯喀彻温大学心理学与健康研究系,9 Campus Drive,萨斯卡通,萨斯喀彻温省,S7N 5A5,加拿大 **摘要** 共同行动通常伴随着一种共同 Agency 的感觉,即参与者感到他们共同

    来源:Acta Psychologica

    时间:2026-04-22

  • 弹性类增量学习:漂移数据流、未标记数据流与不平衡数据流之间的相互作用

    摘要:在当今这个互联互通的世界中,跨多个领域生成大量流式数据已经变得司空见惯。由于概念漂移、类别不平衡、标签稀缺以及新类别的出现,这些挑战共同降低了表示的稳定性,导致学习偏向于过时的数据分布,并降低了在动态环境中的检测能力和可靠性。本文提出了一种流式类别增量学习(SCIL)框架

    来源:Artificial Intelligence Science and Engineering

    时间:2026-04-22

  • 驾照改革与无证农场工人的劳动力供应及福利获取

    摘要 作物疾病对农业生产力构成了重大威胁,尤其是在撒哈拉以南非洲地区,那里木薯(Manihot esculenta)、大蕉(Musa paradisiaca)和可可(Theobroma cacao)是重要的农作物。迫切需要创新的植物疾病检测方法来加强控制措施和预防策略,以应对这

    来源:Agricultural Economics

    时间:2026-04-22

  • 农村电子商务渗透率与农业企业发展:来自中国的证据

    摘要 作物疾病对农业生产力构成了重大威胁,尤其是在撒哈拉以南非洲地区,那里木薯(Manihot esculenta)、香蕉(Musa paradisiaca)和可可(Theobroma cacao)是重要的农作物。迫切需要创新的植物疾病检测方法来加强控制措施和预防策略,以应对这

    来源:Agricultural Economics

    时间:2026-04-22

  • ADmM:针对指标不完整的微服务系统的异常检测

    摘要 要查看此由AI生成的摘要,您必须具有高级访问权限。了解更多信息请登录。 **摘要** 互联网的快速发展导致了计算、存储、网络和服务资源规模的指数级增长。传统的单体架构越来越难以管理这些复杂性。相比之下,微服务架构因其部署和可扩展性的内在灵活性而成为主流解决方案

    来源:ACM Transactions on the Web

    时间:2026-04-22

  • 循证实践质量改进、项目评估与政策分析计划的评价方法

    背景:“山地模型”(Mountain Model)是一个能够指导循证实践质量改进(EBPQI)、循证实践项目评估(EBPPE)和循证实践政策分析(EBPPA)的总体框架。虽然该模型在这三类计划中的步骤大致相同,但在第五步(方法选择)会出现差异,临床工作者与学生

    来源:Journal of Neurosurgical Anesthesiology

    时间:2026-04-22

  • 基于卷积神经网络的四叉树加多类型树分区快速决策算法研究

    最新版H.266/VVC(Versatile Video Coding,通用视频编码)标准因其卓越的压缩效率而广受赞誉。然而,其极高的计算复杂度已成为阻碍VVC适配产业生态的瓶颈,同时也增加了硬件设计的难度和应用成本。为解决该问题,研究人员设计了基于神经网络的

    来源:Electronics

    时间:2026-04-22

  • 量化脉冲神经网络(SNN)中的整数状态动力学:对面向硬件设计的影响

    脉冲神经网络(SNN)因其事件驱动计算和稀疏活动性天然映射到低功耗数字硬件,从而支持高能效的机器智能。然而,在实际实现中,膜状态、突触权重和阈值通常采用有限精度整数算术表示。因此,量化、截断(clipping)和溢出不仅会近似更高精度的模型,还会改变网络动力学

    来源:Electronics

    时间:2026-04-22

  • PFEB:一种面向遥感语义分割的后融合增强解码器模块

    准确识别耕地种植类型对于农业资源管理与国家粮食安全至关重要。传统光学遥感方法在多云多雨地区易受天气干扰,难以实现连续作物生长监测。为此,研究人员提出了一种基于Sentinel-1A合成孔径雷达(SAR)时间序列影像并结合递归神经网络(RNN)的作物分类框架,以

    来源:Remote Sensing

    时间:2026-04-22

  • 基于多面向图表征与课程学习的无监督高光谱解混

    高光谱解混旨在估计子像元尺度上的端元光谱及其对应的丰度分数,这是高光谱遥感影像定量分析中的关键预处理步骤。尽管基于深度学习的方法已取得显著进展,但仍存在三项基础性挑战:(i)依赖单一共享空间先验,无法解耦不同地物异质性的空间模式;(ii)端元提取与丰度估计联合

    来源:Remote Sensing

    时间:2026-04-22


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