当前位置:首页 > 今日动态 > 神经科学
  • 开发一种人工神经网络模型,用于预测月球屏蔽栖息地的损坏情况

    本研究通过有限元动态显式分析模拟微陨石撞击月壤和铝板穿透深度,构建人工神经网络模型,对比多元线性回归,验证了ANN在预测高速撞击(>20 km/s)穿透深度中的准确性优势,为月球栖息地防护设计提供新方法。

    来源:Accident Analysis & Prevention

    时间:2026-04-09

  • 针对具有客户流动行为的有限容量共享单车系统,采用端到端的深度学习方法进行库存管理

    共享单车库存管理网络级优化模型,融合客户漫游行为分析与端到端深度学习,通过LSTM神经网络预测动态供需平衡,实现跨站车辆调配与容量约束下的多目标协同优化,显著降低用户不满与运营成本。

    来源:TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW

    时间:2026-04-09

  • 迈向大规模锂离子电池储能系统:基于深度学习的电池簇健康状态评估

    本研究基于工业级大规模锂离子电池储能系统(1000kWh)的8.3百万数据点,揭示电池健康状态(SOH)的集群级不一致性,并创新性地提出融合电池退化物理约束的卷积神经网络(CPNN)模型,相比传统CNN平均减少32.67%的绝对误差,为大规模储能系统优化提供理论支撑和实践指导。

    来源:Engineering Applications of Artificial Intelligence

    时间:2026-04-09

  • 基于前向正则化的随机神经网络增量在线学习框架:理论、算法与实证

    本研究提出了一种新颖的增量在线学习框架,旨在解决深度神经网络在线学习中存在的非增量更新、计算消耗递增、回顾性再训练以及灾难性遗忘等挑战。研究人员通过引入具备岭正则化和前向正则化的随机神经网络模型,实现了在线场景下的渐进式即时决策与性能提升。该工作不仅推导了非平稳批数据流上的增量算法,还从理论上分析了其在线累积遗憾界限,并通过模拟、回归、分类、长时序预测和持续学习等多种任务验证了所提方法的有效性,特别是前向正则化在提升性能、加速学习和降低在线遗憾方面的优势。

    来源:IEEE Transactions on Pattern Analysis and Machine Intelligence

    时间:2026-04-09

  • 多发性硬化症治疗反应的评估:迈向个性化、多模态监测的新范式

    为解决多发性硬化症治疗监测过于依赖临床症状、难以捕捉隐匿性神经退行性进程的问题,研究人员开展了关于如何整合临床、影像学和体液生物标志物以优化治疗反应评估的研究。结果表明,结合临床评估、MRI、OCT及sNfL和GFAP等生物标志物的综合监测策略,有望更早地发现亚临床疾病活动、优化风险分层,从而为个体化治疗决策提供依据。这推动了多发性硬化症诊疗从单纯控制复发向全面管理炎症与神经变性双重病理过程的范式转变。

    来源:Current Opinion in Neurology

    时间:2026-04-09

  • 脑磁共振成像在自身免疫性脑炎诊疗中的角色演变:从常规影像模式识别到精准网络表型分析

    本文综述了脑磁共振成像在多种抗体特异性自身免疫性脑炎中的诊断价值与研究进展。为解决常规MRI诊断敏感性不足、对疾病累积损伤与预后评估能力有限的问题,研究人员系统总结了各型AE的影像模式特征,并梳理了体积测量、定量磁共振成像、扩散连接组学和静息态功能磁共振成像等新兴技术的发展与应用。研究结果表明,传统MRI是诊断与鉴别诊断的基石,而体积学与微观结构定量指标可敏感反映不可见组织的损伤,网络层面的影像学技术则揭示了疾病背后的广泛连接中断。这些进展有助于将MRI从单纯的诊断工具发展为可进行精准表型分析、预后评估和纵向监测的生物学标志物。

    来源:Current Opinion in Neurology

    时间:2026-04-09

  • 一种可泛化的BERT-GNN混合框架Log2graphs:实现统一日志异常检测的新突破

    日志是监控分布式系统的关键,但其体量和异构结构为自动化分析带来巨大挑战。本文提出一种名为Log2graphs的可泛化、无监督日志分析框架,其核心组件MGAE融合了BERT的语义编码与GNN的结构建模能力,能够同时捕捉日志事件的语义信息与时序依赖关系。实验表明,该框架在多个基准数据集上性能优于基线方法,F1分数最高提升11%,并通过引入无标签聚类评价指标,为真实场景下的日志异常检测提供了有效的评估新策略。

    来源:Digital Communications and Networks

    时间:2026-04-09

  • 基于物理引导增量机器学习的船舶生物污损评估框架:助力海事减排与能效优化

    为解决船舶生物污损导致船体阻力与螺旋桨负荷增加、燃料消耗及温室气体排放上升的问题,研究人员开展了“Physics-guided machine learning for ship biofouling assessment in support of maritime decarbonization”主题的研究。他们提出了一种新颖的物理引导增量机器学习框架,利用物理信息神经网络(PINNs)生成理想状态基准,并通过滑动时间窗口的增量学习捕捉性能退化。结果表明,该方法相较于传统的ISO 19030标准和再训练方法,能更精确地量化由生物污损引起的渐进性能退化与清洗后的快速恢复,为优化船体和螺旋桨维护计划、提升能源效率与减少排放提供了可靠评估工具。

    来源:TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT

    时间:2026-04-09

  • 青少年运动员风险感知与神经情绪发展:ESTUDES量表在预防指导情境中的心理测量学验证

    本研究针对青少年运动员成瘾行为评估工具缺乏的问题,开展了ESTUDES量表在体育预防指导情境中的适用性验证研究。通过探索性与验证性因子分析,在914名12-18岁足球运动员样本中确认了量表具有烟草使用、酒精使用、赌博、大麻使用及风险感知五个维度,解释了73.47%的方差,信效度良好(α=0.863,CFI=0.920,RMSEA=0.060)。该结果为在体育环境中评估成瘾行为和设计针对性预防项目提供了有效工具。

    来源:Frontiers in Psychology

    时间:2026-04-09

  • 综述:中国神经发育障碍儿童执行功能干预效果比较:一项网状Meta分析

    本综述通过网状Meta分析系统评估了52项随机对照试验,发现针对特定执行功能(Executive Function, EF)成分的结构化干预对中国儿童有显著但适度的改善作用。其中,适应性n-back结合元认知指导对工作记忆(Working Memory, WM)效果最优,而抑制控制训练结合规则转换任务则在提升抑制控制(Inhibitory Control, IC)和认知灵活性(Cognitive Flexibility, CF)方面最为有效。这些低成本、可扩展的方案为中国教育系统和公共卫生预防策略提供了有价值的参考。

    来源:Frontiers in Psychology

    时间:2026-04-09


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