-
无乘法神经网络架构用于图像恢复
深度神经网络(Deep Neural Networks, DNNs)已成为图像去模糊(deblurring)和去噪(denoising)等图像恢复(Image Restoration)问题的主流方法。然而,现有最优(state-of-the-art)设计的高计
来源:Neurocomputing
时间:2026-04-08
-
TMEM106B C端片段聚集与年龄及TDP-43或tau病变的关联
跨膜蛋白106B(TMEM106B)是一种溶酶体糖蛋白,其遗传多态性会影响伴TDP-43病变的神经退行性疾病严重程度。近期研究显示,TMEM106B可在人脑中形成由C端片段(CTFs)构成的淀粉样纤维丝。本研究旨在探索TMEM106B、年龄、TDP-43与ta
来源:Brain Pathology
时间:2026-04-08
-
基于铁电AND型阵列与随机突触权重的硬件原位片上学习(Hardware-Based On-Chip Learning Using a Ferroelectric AND-Type Array With Random Synaptic Weights)
摘要:机器学习模型复杂度的增长导致参数量急剧增加,大规模计算过程中功耗显著上升。神经形态计算(Neuromorphic Computing)通过矢量—矩阵乘法(Vector-Matrix Multiplication, VMM)减少数据搬移,实现高效存内处理。
来源:Advanced Intelligent Systems
时间:2026-04-08
-
综述:电荷陷阱再审视:从光突触器件中不受欢迎的缺陷到功能性突触
电荷陷阱位点长期以来被视为诱导偏压应力、降低稳定性并损害器件可靠性的寄生缺陷。近期研究突破传统认知,表明这些位点可作为有效单元实现电荷存储、响应调控及生物学习行为模拟。既往研究集中于抑制或消除陷阱,而当前大量工作转向相反视角,探索其用于突触功能的主动设计。这一
来源:Nanoscale Horizons
时间:2026-04-08
-
辐鳍鱼类喉部肌肉系统及其神经支配的早期演化
喉部肌肉是硬骨鱼类头部解剖结构中重要却常被忽视的组成部分,位于头部腹侧,起源于下颌弓与舌弓。研究人员通过对早期分化辐鳍鱼类谱系中喉部肌肉及其神经支配的全面综述,结合肉鳍鱼类与软骨鱼类的外群数据,完善了现有的同源性假说,解决了术语不一致问题,并揭示了辐鳍鱼类系统
来源:The Anatomical Record
时间:2026-04-08
-
迈向更实用的自上而下联邦化的图神经网络
垂直联邦图学习中异构关系下的隐私保护框架,提出结构信息提取器、语义聚合器和全局伪图生成器三阶段方法,通过加密协议和对比学习解决结构非-IID和负迁移问题,在Cora等数据集上验证有效性。
来源:Pattern Recognition Letters
时间:2026-04-08
-
一种基于物理约束的神经网络框架,用于求解稳态不可压缩流动问题
本研究提出了一种新型硬约束PINNs框架,通过分类神经网络隐式学习计算域几何信息并替代传统距离函数,结合自适应梯度缩放机制解决多模块网络联合优化中的梯度尺度失衡问题,显著提升边界条件满足度和计算稳定性。实验验证在二维腔体流动和NACA0012机翼绕流中,较传统软约束方法,L2误差降低,SSIM和PSNR指标更优。
来源:Ocean Engineering
时间:2026-04-08
-
利用分布式光纤应变测量技术对海底管道的自由跨度进行偏转重建和定量识别
自由跨度评估方法:基于分布式光纤传感的两阶段框架研究。首先通过动量共轭梁法与刚性跟随修正重构海底管道自由跨度变形场,解决传统方法边界条件简化导致的误差问题。其次采用能量驱动物理信息神经网络(ePINN)实现自由跨度定量识别,无需预设管道土体刚度及外部载荷参数。实验表明该方法变形场重构均方根误差低于4%,跨度识别相对误差低于6%,显著优于传统有限元反演和直接曲率法。
来源:Ocean Engineering
时间:2026-04-08
-
掩蔽启动效应对芬兰英语学习者隐喻理解能力的影响:一项脑电生理(ERP)研究
本研究采用掩码前 priming 结合ERP技术,比较芬兰语(L1)和英语(L2)中隐喻理解的神经机制。结果显示L1处理更自动,P200幅值较低,N400较大,LPC较小;而L2更依赖字面加工,P200幅值较高,N400受隐喻类型影响显著。该发现验证了母语背景对隐喻处理的影响,并揭示了双语文献中不同语言下的神经动态差异。
来源:Journal of Neurolinguistics
时间:2026-04-08
-
一种新颖的机器学习方法和实验框架,用于预测和验证MnO2纳米棒电化学超级电容器电极的性能
本研究通过人工神经网络(ANN)模型预测α-MnO₂纳米棒超级电容器电极的比电容,发现模型在整体验证中表现良好(R²≈0.87),但组验证显示泛化能力差(R²为负值)。实验验证显示预测值(347 F/g)较实测值(440 F/g)低21%,证实ML模型的实用价值与局限性。建议通过优化数据集和引入先进材料 descriptors 提升模型精度。
来源:Journal of Energy Storage
时间:2026-04-08