生物通官微陪你抓住生命科技跳动的脉搏
一种受大脑启发、结构可搜索的模型,用于在复杂环境中检测SAR(合成孔径雷达)船舶
摘要:由于复杂的背景、物体的任意方向以及成像噪声,合成孔径雷达(SAR)在船舶检测方面仍然面临挑战,这些因素通常会导致基于卷积神经网络(CNN)的模型计算成本高昂。然而,SAR成像产生的噪声进一步复杂化了背景,增加了检测难度和对硬件资源的需求,从而限制了模型的应用。最近,基于视
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2026-06-09
建筑能耗与温室气体排放的可信数据驱动混合建模
减少建筑二氧化碳(CO<sub>2</sub>)排放对于缓解气候变化至关重要,大学作为重要能源消费单位尤为关键。本研究构建了一种将机器学习与简化排放因子重标度相结合的混合数据驱动框架,用于预测校园尺度的CO<sub>2</sub>排放。研究在横截面和时间序列两
来源:Buildings
基于异构图神经网络的可解释城市建筑能耗建模:以武汉市住宅街区为例
传统城市建筑能耗建模往往忽略空间配置和相互阴影效应的复杂性,从而限制了其精度。本研究提出了一种基于异构图形神经网络(GNNs)的新型、可解释、数据驱动框架,以揭示并表征建筑形态与城市拓扑之间的复杂相互关系。研究人员利用参数化平台生成了包含武汉市285个住宅街区
基于强化学习(Reinforcement Learning, RL)的自卸卡车调度策略:一种土方与采石场作业框架
摘要:在露天矿土石方系统(矿山、采石场及大型挖填建设工程现场)中,卡车至电铲分配是一项时间关键的管控问题,其中随机行驶与服务时间、变化的排队状况以及设备停机持续改变最优调度决策。研究人员开发了一种深度强化学习(Deep Reinforcement Learni
从质量屋到神经架构:面向可解释分类的质量感知神经网络及其在欧盟人工智能法案合规中的应用
随着软件系统日益将机器学习(ML)、深度学习(DL)和生成式人工智能(GenAI)组件与经典确定性逻辑相结合,在应用程序代码中系统性地检测基于人工智能的算法元素对于软件审计、符合欧盟人工智能法案(EU AI Act,Regulation (EU) 2024/1
来源:Systems
基于图神经网络与深度强化学习的仓库订单拣选与表示学习
订单拣选是仓库运营中资源消耗最大的环节之一,因此提升路径效率仍然是一项重要挑战。深度强化学习(Deep Reinforcement Learning, DRL)在复杂优化问题中已展现出潜力,但其在仓库订单拣选中的应用仍然有限,而图神经网络(Graph Neur
基于机器学习代理模型(Machine Learning-Based Surrogate Modelling)的高效微压痕响应反分析求取材料参数的方法
摘要:由于压痕响应与材料参数之间存在非线性关系,从压痕实验中进行的反分析一直是一项具有挑战性的问题。本研究提出一种数据驱动方法,将人工神经网络(Artificial Neural Network, ANN)与进化优化相结合,用于可靠且高效的反向参数识别。研究人
来源:Materials
从恶魔附体到肠脑轴革命:人类5000年抑郁症治疗史 ——我们今天理解,只是整个故事的一部分
抑郁症不能只从心理层面理解,也不能只从神经递质层面处理。很多患者尤其是青少年患者,背后同时存在睡眠不足、血糖波动、甲状腺边缘异常、营养不足、肠道功能紊乱和长期压力轴失衡。
来源:生物通
综述:神经科学领域中,关于哺乳动物模型行为测试的叙述性综述
摘要哺乳动物模型被广泛用于人类疾病的研究。在动物身上进行行为测试是科学研究中一种关键的评估方法,它有助于深入了解复杂的疾病病理生理机制,并促进新型治疗干预措施的评估。目前,行为测试范式在哺乳动物研究中得到了广泛应用,尤其是在啮齿类动物模型中。与啮齿类动物相比,大型哺乳动物的大脑在
来源:Behavioral and Brain Functions
时间:2026-06-08
早期帕金森病中的血浆神经丝轻链可预测运动并发症:一项前瞻性队列研究
摘要目前尚不清楚血液生物标志物是否能够预测早期帕金森病(PD)患者运动并发症的发展。在这项前瞻性纵向队列研究中,对173名早期PD患者进行了长达七年的随访。研究人员使用超灵敏的单分子阵列平台,在基线、1年和2年随访时测量了患者的血浆神经丝轻链(NfL)、胶质纤维酸性蛋白(GFAP
来源:npj Parkinson's Disease
知名企业招聘: