• 综述：动态系统中归零神经网络（ZNN）的协同优化：演变、进展与应用

  零化神经网络（ZNNs）作为解决时变问题的有效工具，其核心在于误差零化动态模型。研究重点从单一性能优化转向协同优化设计，涵盖参数-激活协同优化、结构级合作与控制策略整合，并形成跨场景统一建模框架。本文系统梳理了ZNNs的演进路径，技术实现路径在机器人控制、多智能体系统、在线优化等典型任务中的应用，以及协同优化中的实时性与鲁棒性权衡，最后探讨了统一建模与高效部署的未来挑战。

  来源：Neurocomputing

  时间：2026-04-06

• 利用语言先验进行红外小目标检测

  红外小目标检测多模态框架LGNet首次整合语言指导和视觉信息，利用GPT-4生成目标位置文本描述指导模型注意力机制，构建LangIR数据集包含图像和文本模态，实验在IoU、nIoU等指标上显著优于传统方法，相对提升达4.41%-113.43%。

  来源：Neurocomputing

  时间：2026-04-06

• 一种具有重建和判别功能的双路径融合网络，用于零样本多变量时间序列异常检测

  零样本多变量时间序列异常检测中，提出双路径融合网络DPF-Net，通过重建路径捕捉跨域时间依赖和判别路径提取可泛化特征点，结合动态困难样本挖掘和交替双路径训练机制提升检测性能。

  来源：Neurocomputing

  时间：2026-04-06

• 打破偏见：通过去噪技术增强基于曲线的曝光校正器

  曲线增强噪声抑制双目标优化与自适应演化框架研究，提出PACT策略通过空间扰动构建卷积式感受野实现曲线增强与噪声抑制协同优化，并扩展为SEC动态自演化框架。

  来源：Neurocomputing

  时间：2026-04-06

• BANet：一种基于桥式结构和注意力机制的脑电图（EEG）解码网络

  运动想象EEG解码中提出基于桥接结构和注意力机制的BANet模型，有效融合局部与全局时空特征提升解码性能。

  来源：Neurocomputing

  时间：2026-04-06

• 基于语义引导的双分支原型网络，结合动态边界机制，用于少量样本的工业故障诊断

  本研究提出语义引导双分支原型网络（SDPN）解决小样本故障诊断问题，通过传感器分支和文本分支融合多模态信息，设计语义原型对齐模块（SPAM）增强原型表征能力，动态边界适应机制（DMAM）根据类间语义关系自适应调整分类边界，在TEP和Al-SEP基准上分别提升7.10%和5.86%的诊断性能。

  来源：Neurocomputing

  时间：2026-04-06

• 通过多视图配准和双残差分析来探测三维异常

  3D点云异常检测方法中，针对稀疏无序数据和小样本正常数据，提出多视角初始姿态生成、增强粗到细配准及几何特征残差融合的框架，在两个基准数据集上验证其有效性并提升4.1%和1.8%的物体级AUROC。

  来源：Neurocomputing

  时间：2026-04-06

• DST-Net：一种闭环双流变换器，结合身份引导的视频抠图技术，用于可见光和红外图像中的人体重新识别

  双流Transformer框架DST-Net解决可见光-红外ReID跨模态差异与时空干扰，结合多因素图优化与三重掩码损失，提出时空结构化matting生成 temporally consistent foreground alpha mattes，构建闭环检测- matting-识别流程，在自建NPU-ReID等数据集上Rank-1达94.41%，实时32.95 fps。

  来源：Neurocomputing

  时间：2026-04-06

• 关于整合股票市场数据与新闻情绪的财务视角

  金融视觉与新闻情感融合的股票预测方法研究。通过LLM提取三维情感 scores并转换为2D图像，与市场数据图像按堆叠布局融合后输入CNN，在台积电股票数据上实现51.16%预测精度，较LSTM提升4.75%，较纯市场数据方法提升30.08%。

  来源：Neurocomputing

  时间：2026-04-06

• 立体定向脑桥前支架置入术治疗导水管狭窄患者：内镜下第三脑室造瘘术成功评分的应用评估

  本研究针对立体定向脑桥前支架置入术（STS）作为治疗三脑室积水（TVH）的新兴疗法，其疗效预测工具尚属空白的问题，评估了经典的内镜下第三脑室造瘘术（ETV）成功评分（ETVSS）在STS患者中的适用性。研究通过回顾性队列分析发现，ETVSS无法有效预测STS的治疗成功率，表明STS的成功因素有别于ETV，为临床个性化治疗决策提供了重要依据，并指出了开发专用于STS新评分系统的必要性。

  来源：Brain and Spine

  时间：2026-04-06

知名企业招聘：