当前位置:首页 > 今日动态 > 神经科学
  • 将极化现象与立体声技术相结合:通过极化线索实现实时立体声匹配

    偏振融合立体匹配网络PF-IGEV通过引入CAGWC模块优化上下文感知分组相关性计算,结合合成偏振-KITTI数据集解决弱纹理表面匹配难题,在KITTI 2012基准上达到1.01%的no-c匹配误差和1.34%的all误差,实时性达55ms。

    来源:Neurocomputing

    时间:2026-04-21

  • TANet:用于图像去噪的三域注意力网络

    提出TANet多域注意力图像去噪网络,通过噪声估计块捕获全局噪声,三重注意力机制协调通道、空间和频率特征,星形块高效构建判别性表示,在合成高斯噪声和真实数据集上PSNR/SSIM表现优异且参数效率高。

    来源:Neurocomputing

    时间:2026-04-21

  • TriAdapt-DGNN:一种用于时间序列链接预测的三重自适应动态图神经网络

    动态链接预测在社交和引文网络中面临拓扑动态性、空间关系时变性和事件不规则性挑战。本文提出TriAdapt-DGNN框架,通过结构特征协同演化、多图聚类门控和计算感知记忆机制,实现时空动态建模与高效计算平衡。实验表明, TriAdapt-DGNN在六个基准数据集上平均AP排名提升0.5,显著优于传统静态图方法和事件驱动模型。

    来源:Neurocomputing

    时间:2026-04-21

  • 利用可解释机器学习,基于脑电图(EEG)的听觉诱发电位对本土歌曲与非本土歌曲、中性音乐以及人类大脑的静息状态进行分类

    本研究提出基于脑电信号的可解释框架,通过时间域和时频域特征(如经验模态分解)分析不同音乐类型及静息状态下的听觉诱发电位(AEPs),随机森林分类器平均准确率达97.5%,揭示了脑电δ波与AEPs的关联,为神经反馈和康复提供新方法。

    来源:Neurocomputing

    时间:2026-04-21

  • GloTrust:在区块链图中连接本地和全球视角以进行信任评估

    区块链信任评估中,传统GNN方法因局部消息传递和语义不对称导致全局依赖捕捉不足。本文提出GloTrust框架,通过构建扩展图增强长程连接,引入伪节点路由实现全局通信,并设计语义感知注意力机制动态加权异构信任关系。实验表明,该框架在真实区块链数据集上显著优于基线方法,且能抵御协同攻击等安全威胁,验证了其跨领域的适用性。

    来源:Neurocomputing

    时间:2026-04-21

  • PFPT:针对预训练点云模型的基于先验知识的细粒度提示调优

    预训练Transformer在点云学习中的应用面临存储成本高和过度依赖任务数据的问题。本文提出Prior-Aware Fine-Grained Prompt Tuning(PFPT),通过细粒度提示生成利用局部空间特征,结合先验感知的提示增强模块引入预训练数据原型,再通过几何一致性融合模块保持点云结构。实验表明PFPT在参数量减少6.3%的情况下性能超越全微调及现有SOTA方法,尤其在ScanObjectNN PB 50 RS等复杂数据集上表现优异。

    来源:Neurocomputing

    时间:2026-04-21

  • GB-MDPC:基于颗粒球模型的流形数据密度峰值聚类算法

    针对密度峰值聚类(DPC)算法在流形数据中的局限性,本文提出基于颗粒球与流形距离的改进算法(GB-MDPC)。通过约束半径生成颗粒球,利用分布熵优化密度计算,构建最小生成树(MST)实现流形距离度量,有效提升聚类精度和效率。实验表明GB-MDPC在合成和真实数据集上优于传统方法。

    来源:Neurocomputing

    时间:2026-04-21

  • 用于条件查询的自适应归纳式知识图谱推理

    知识图谱推理中,针对多跳传播中查询信息衰减和无关邻居噪声问题,提出QAPD模型。该模型通过条件查询注意力筛选关键证据边,自适应残差信息融合增强深层次传播稳定性,并构建并行双解码架构适配不同关系模式。实验表明QAPD在FB15k-237、WN18RR和NELL-995数据集上显著优于基线,尤其在长程推理任务中MRR提升达23.96%。

    来源:Neurocomputing

    时间:2026-04-21

  • 在恶劣天气条件下用于盲脸恢复的、不依赖图像质量降级的统计面部特征变换方法

    本文提出基于退化不敏感统计面部特征变换的盲FIR框架,通过局部SFFT模块增强面部结构和颜色保真度,结合DAFE模块提取天气鲁棒特征,有效恢复雨渍、雾霾等复杂退化下的关键面部区域,实验证明优于现有方法。

    来源:Neurocomputing

    时间:2026-04-21

  • ARGO:基于Ricci曲率引导的图卷积网络框架,用于生物网络中的社区检测

    基因共表达网络模块检测中引入Ollivier–Ricci曲率作为图卷积网络(GCN)的几何先验,通过曲率加权边构造增强型网络,显著提升模块化检测的生物学可解释性和拓扑鲁棒性。基于iNetModels 2.0的12种组织特异性网络验证,ARGO框架生成的嵌入空间更紧凑且模块边界更稳定,较传统Louvain算法和曲率加权变体平均多出11.3%的模块数并降低18.7%的基因冗余度。

    来源:Journal of Computational Science

    时间:2026-04-21


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