-
M
BP:从多二元视角重新思考类别不平衡的半监督学习
类不平衡半监督学习(CI-SSL)中传统方法易产生多数类主导的伪标签,影响少数类性能。本文提出MBP(多二进制视角),将多类任务分解为K个OVA二分类子任务,通过双调整策略优化损失函数和动态阈值机制,有效缓解伪标签偏置,在CIFAR-10-LT、CIFAR-100-LT和STL-10-LT数据集上达到SOTA性能。
来源:Neurocomputing
时间:2026-03-15
-
TrojanEdit:针对图像编辑模型的多模态后门攻击
本文提出基于RGB-事件双目摄像头的深度估计方法,创新性地设计多尺度相似特征融合模块和窗口化局部视差回归,有效解决传统RGB双目深度估计在复杂场景中的局限性,实验验证其优于现有方法。
来源:Neurocomputing
时间:2026-03-15
-
GAP-CoT:一种用于工业智能决策的多角色、多路径博弈论思维链推理框架
基于博弈论的GAP-CoT框架通过多角色建模与因果链推理,动态优化专家联盟实现工业决策优化,在煤矿气体超限检测中较传统方法提升9.8%准确率,并显著增强因果解释与结果稳定性。
来源:Neurocomputing
时间:2026-03-15
-
通过分布式强化学习实现UUV(水下无人航行器)在地形跟踪任务中的自主控制
UUV地形跟踪问题通过分布强化学习算法DMAC解决,构建复杂海洋环境模型并定义目标跟踪与路径跟随任务,DMAC采用多智能体-多批评机机制抑制Q值过估计,提升高维状态处理能力,仿真验证其稳定性与跟踪精度优于传统算法。
来源:Neurocomputing
时间:2026-03-15
-
复合分形扫描增强型Mamba算法在遥感图像中小目标检测中的应用
针对遥感图像中小目标检测面临的特征稀缺和上下文依赖性强等挑战,本文提出基于Mamba模型的复合分形扫描策略,结合双分支局部特征提取模块和特征聚合模块,有效利用全局上下文与局部细节,提升小目标检测精度。
来源:Neurocomputing
时间:2026-03-15
-
通过θ-γ耦合网络中的赫布式可塑性来实现一般性工作记忆功能
本文构建了一个基于theta-gamma耦合机制的多层生物物理神经网络模型,通过多对多海马塑性规则训练,实现了关联记忆(利用特征重叠恢复完整物体)、序列记忆(区分新旧项目并连续回忆序列)和空间导航记忆(正向与反向路径重放)三种核心工作记忆任务的模拟。实验表明损伤海马-杏仁核通路会破坏theta-gamma相位振幅耦合并导致序列记忆失效,而调整局部兴奋抑制平衡会削弱theta-gamma振荡并影响路径重放。该模型为统一解释不同认知领域的工作记忆机制提供了计算证据。
来源:Neurocomputing
时间:2026-03-15
-
MFOG-net:基于多尺度时空特征的优化视频目标检测网络
视频目标检测面临运动模糊、遮挡和定位误差等挑战,本文提出MFOG-Net轻量级时空优化网络,通过多帧残差融合(MTRF)缓解遮挡问题,光流引导特征融合(OFFG)提升快速运动目标定位,并行跨路径提取(PCE)增强全局局部语义推理。实验表明,在ImageNet VID和UA-DETRAC数据集上,MFOG-Net分别达到84.6% mAP和89.73% mAP@0.5,优于多项SOTA方法。
来源:Neurocomputing
时间:2026-03-15
-
通过深度度量学习和液态时不变网络实现半监督驾驶风格识别
驾驶风格识别研究提出融合超维计算(HDC)、液态时间常数长短期记忆(LTC-LSTM)网络及半监督学习的框架,解决有限标注数据、过拟合和特征表征不足问题。实验表明该方法在Motorway和Secondary Road场景下准确率达94.95%和99.08%,优于现有模型。
来源:Neurocomputing
时间:2026-03-15
-
自动抠图的扩散算法
自动图像羽化方法DAMatte结合扩散模型生成细粒度细节,提出边缘注意力增强机制,通过中间伪trimap提供语义指导,实验表明其性能优于现有自动羽化方法。
来源:Neurocomputing
时间:2026-03-15
-
一种结合单目深度优化和动态KNN密度化的3D高斯重建方法
提出深度对齐优化的3D高斯溅射框架,通过动态KNN密集化策略和可学习全局尺度对齐,结合置信度感知的深度融合机制,有效解决SfM初始化误差导致的几何失真和效率问题,在Mip-NeRF360等数据集上PSNR提升2.75dB且训练时间减少18%。
来源:Neurocomputing
时间:2026-03-15