• 通过扩散模型中的双路径特征融合实现自主学习风格的迁移

  **摘要** 风格迁移结合了一张图片的内容和另一张图片的艺术风格。扩散模型的最新进展提升了图像生成的质量，但在保持高质量生成的同时减少风格和内容的耦合仍然具有挑战性。我们提出了基于扩散模型的自学习风格迁移（Self-Learning Style Transfer，简称SLST

  来源：Neural Networks

  时间：2026-11-05

• DAMFusion：一个端到端的、具有退化感知能力的多模态图像融合框架

  • 本文提出了一种新颖的多模态图像融合框架，该框架将专家混合（MoE）集成到自编码器架构中。通过利用MoE强大的自适应路由能力，该框架有效缓解了源图像中多样化且复杂的退化问题。

  来源：Neural Networks

  时间：2026-11-05

• 通过扩散引导的隐式图增强技术实现去偏推荐，同时考虑长尾效应

  摘要：隐式反馈在推荐系统中被广泛采用，因为它易于收集并且能够覆盖广泛的行为范围。然而，观察到的隐式交互可能包含噪声，受到流行度偏见的影响，并且表现出高度的稀疏性，而未观察到的用户-物品对不能直接被视为负面反馈。这些问题限制了模型学习可靠用户偏好的能力，以及为长尾物品提供有效推荐的

  来源：Neural Networks

  时间：2026-11-05

• 在噪声标签下的强健离群检测

  摘要分布外（OOD）检测在确保部署在现实世界应用中的机器学习系统的可靠性方面起着关键作用。虽然现有的OOD检测方法假设训练数据是干净且属于同一分布（ID）的，并带有正确的标签，但由于实际问题（如标签分类不完整和人工标注错误），这一假设往往不成立。训练数据中存在的噪声标签会显著降低

  来源：Neural Networks

  时间：2026-11-05

• 受记忆启发的泛化与特化解耦机制，以实现鲁棒的领域增量学习

  摘要 虽然人类能够从非平稳数据中持续学习，但机器却容易发生灾难性遗忘，这突显了持续学习的必要性。一个典型的例子是领域增量学习（Domain Incremental Learning, DIL），在这种学习中，标签保持不变，但输入分布在不同的领域中有所变化。现有的方法虽然有效，

  来源：Neural Networks

  时间：2026-11-05

• 在晚年认知和血管脑健康研究中厘清生殖历史与父母身份之间的关系

  •产次是一个关于活产的总结性指标，并非妊娠的生物学剂量。•关于产次与Aβ或tau蛋白积累之间纵向关联的证据不足。•高血压性疾病（HDP）与后期血管性脑损伤的人体关联性最为明显。•与育儿相关的社会因素复杂化了针对妊娠特定结果的因果关系的判断。•研究应将生殖史与特定结果的指标相联系。

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-11-05

• 运动控制中的红核与自闭症谱系障碍

  • 红核不同亚区的进化差异限制了跨物种的推断。 • 灵长类实验表明小细胞红核在运动适应中起作用。 • 人类影像学研究将红核置于分布式的运动网络中。 • 自闭症初步的RN区域影像学发现缺乏与运动表型之间的验证。 • 运动适应可以测试红核在自闭症和发育协调障碍（DCD

  来源：Neuroscience & Biobehavioral Reviews

  时间：2026-11-05

• 综述：解读脑卒中-心脏综合征：一个将脑损伤与心血管功能障碍联系起来的转化医学框架

  摘要 急性缺血性中风可能独立于原发性冠状动脉疾病引发心脏损伤，其表现形式包括肌钙蛋白升高、心电图异常、心律失常、左心室功能障碍、Takotsubo综合征和猝死，这些统称为“中风-心脏综合征”。心脏并发症在发病后的第一个月内影响约四分之一的患者，通常在最初几天内集中出现，并且是

  来源：Journal of Cardiovascular Translational Research

  时间：2026-11-05

• 基于贝叶斯优化神经网络和特征选择的座椅间传染性预测

  • 数据创新：首次利用垂直方向的线性座椅-to-head（头到座椅）传递率在受到双轴垂直和横向振动影响时的共振频率。 •

  来源：Computational Biology and Chemistry

  时间：2026-11-05

• 淀粉-壳聚糖复合颗粒稳定的皮克林乳液用于口服菝葜醇的递送以及肠道-大脑轴介导的神经炎症治疗

  •酸水解步骤通过改变表面组成来调节淀粉的两亲性。•壳聚糖涂层可以改变Zeta电位、静电稳定性和肠道黏附性。•Pickering乳液具有高包封效率和持久的胶体稳定性。•该工程系统允许通过肠道-大脑轴实现口服递送和神经保护。引言神经炎症是神经性疾病发病机制中的关键因素[1]。这一过程

  来源：Colloids and Surfaces B: Biointerfaces

  时间：2026-11-05

知名企业招聘：