-
综述:利用磁共振成像评估婴儿大脑结构与功能之间的关联,以及父母报告的婴儿生命前两年内的负面情绪表现:一项叙述性综述
负面情绪性(NA)与婴儿期脑结构及功能影像学研究显示,杏仁核体积、白质完整性及默认模式网络(DMN)功能连接与NA负相关,而眶额叶皮质(OFC)功能连接和血流量与NA正相关,但效应量普遍较小且受样本量限制,未来需改进研究方法并整合多模态数据。
来源:Neuroscience & Biobehavioral Reviews
时间:2026-03-16
-
DBML-Font:基于扩散模型的双分支多层次特征融合算法,用于少样本字体生成
本文提出DBML-Font框架,基于条件扩散模型,采用双分支多级特征融合风格编码器(DMFF-SE)与几何结构内容编码器(GeoStruct-CE),有效平衡全局风格一致性与局部细节多样性,实验表明优于现有方法。
来源:Neural Networks
时间:2026-03-16
-
用于多变量组合数据的自加权低秩表示方法
多元复合数据聚类分析中,本文提出自加权低秩表示(SWLRR)方法,通过变量加权策略突出有效变量,结合Aitchison几何和ilr变换实现全局与局部结构联合捕捉,并采用ADMM优化算法提升鲁棒性。实验验证该方法在合成与实际数据集上的有效性。
来源:Neural Networks
时间:2026-03-16
-
综述:通过基础模型合成和小波域注意力机制提升异常检测性能
工业异常检测面临样本稀缺和现实异常复杂性挑战,本文提出基础模型驱动的异常合成管道(FMAS)与小波域注意力模块(WDAM)。FMAS通过GPT-4生成描述、SAM分割前景、Stable Diffusion合成并Selector过滤低质样本,构建与MVTec AD和VisA对齐的合成数据集。WDAM基于离散小波变换,动态为LL/LH/HL/HH子带分配权重,增强异常敏感特征,实验表明其可提升现有模型检测敏感度达15.2%且保持计算效率。
来源:Neural Networks
时间:2026-03-16
-
对大脑年龄差异与认知功能及β-淀粉样蛋白积累之间关联的探索性分析:基于代谢和生理血液标志物进行参与者筛选
脑年龄差距(BAG)作为反映衰老和神经退行性疾病的生物标志物,其与痴呆相关指标的关系存在不一致结论。本研究通过纳入代谢和生理血液参数筛选健康参与者,构建了基于MRI数据的脑年龄预测模型(Model 1和Model 2)。结果显示Model 2在淀粉样蛋白阳性组中BAG显著更高,且与β淀粉样蛋白沉积及认知功能(MMSE)的关联性更强。研究提示优化参与者筛选标准可能增强BAG与神经退行性病理的关联,但受限于小样本独立测试集,结论需进一步验证。
来源:Neurobiology of Aging
时间:2026-03-16
-
一种用户轨迹模拟框架,用于在不确定的签到情况下推荐下一个兴趣点(POI)
基于蒙特卡洛树搜索的用户轨迹模拟框架解决集体POI内不确定签到问题,通过融合IPOI级时空特征与用户偏好及CPOI级语义约束构建多候选轨迹池,有效提升推荐准确率,实验显示HR和MRR分别提升49.1%和44.0%。
来源:Neural Networks
时间:2026-03-16
-
分层游戏交互增强器:提升竞技与合作体育中多智能体轨迹预测的准确性
多智能体轨迹预测研究提出Hierarchical Game Interaction Augmenter框架,通过球权转移预测模块、递归团队意图建模模块和软超图战术聚类模块,解决传统方法在动态博弈关系建模中的不足。
来源:Neural Networks
时间:2026-03-16
-
利用双曲表示法挖掘用户特征以进行扩散预测
信息扩散预测中,现有模型难以有效捕捉社交网络的层级结构和动态用户交互。本文提出Hyper-MUF框架,通过超球面嵌入重构社交网络拓扑,同时利用池化和注意力机制提取信息级联中的动态特征,最终融合静态与动态特征进行预测。实验表明,相比SOTA方法,在四个真实数据集上MAP@K和Recall@K指标提升10%-20%。
来源:Neural Networks
时间:2026-03-16
-
DesInsert:一种策略性的描述性术语插入方法,用于干扰文本到图像的生成过程
文本到图像生成模型存在语义描述攻击漏洞,本研究提出DesInsert框架及白盒/黑盒变体,通过插入优化描述性术语实现隐蔽攻击。实验表明其成功率达21.98%,生成速度提升10倍以上,有效规避现有检测机制。
来源:Neural Networks
时间:2026-03-16
-
WLR:一种条件良好的线性重构方法,用于无需训练即可对大型语言模型(LLMs)进行剪枝
LLMs结构化剪枝补偿方法WLR通过线性组合保留通道避免参数增加,并解决病态矩阵导致的优化不稳定问题,在多个模型和基准测试中表现优于现有方法。
来源:Neural Networks
时间:2026-03-16