• 一种用于增强运动想象脑电解码的多类型注意力神经网络

  •深度学习在脑机接口中的应用。•提出了一种具有多类型注意力的新型端到端神经网络，以增强运动想象脑电解码。•引入了脑电深度卷积注意力（EEGIA）模块，该模块包含脑电通道注意力和通道注意力结构。•开发了并行时间序列注意力（PTSA）模块，该模块结合了原始顺序切片注意力（SSA）

  来源：Behavioural Brain Research

  时间：2026-09-21

• 雌性大鼠脊髓损伤后重复经颅磁刺激期间凋亡相关标志物与运动功能恢复的时间特征

  摘要脊髓损伤（SCI）会引发一系列继发性损伤过程，其中细胞凋亡导致神经元丢失和功能恶化。重复经颅磁刺激（rTMS）是一种用于治疗脊髓损伤的有前景的非侵入性神经调控干预手段，但在既定疗程期间，与凋亡相关标志物的时间动态特征尚未得到充分表征。本研究采用改良Allen法在雌性大鼠中

  来源：Behavioural Brain Research

  时间：2026-09-21

• 毒物兴奋效应的证据：染料木黄酮对邻苯二甲酸二乙酯暴露斑马鱼的剂量依赖性神经保护与神经毒性作用

  •DEP暴露诱导斑马鱼发生神经毒性和氧化应激相关改变。•低浓度的大豆素可减轻DEP诱导的神经毒性。•高浓度大豆素会削弱所观察到的保护效果。•在DEP诱导的神经毒性下，大豆素可表现出双相反应。•研究结果强调了大豆素的浓度依赖性毒物兴奋效应。引言中枢神经系统主要受到多种神经退行性

  来源：Neurotoxicology and Teratology

  时间：2026-09-21

• 单笼饲养而非双笼共养的雌雄大鼠表现出社交性条件位置偏好

  摘要了解调节社会奖励的因素，对于以社会功能障碍为特征的状态具有重要 implications，包括孤独症谱系障碍和社会焦虑障碍。鉴于美国主观孤独感和社会疏离感的上升，社会隔离尤为相关。本研究通过测试单笼饲养与双笼饲养对社会条件性位置偏好（sCPP）的影响，探讨了隔离对社会奖励

  来源：Neuroscience Letters

  时间：2026-09-21

• 一种基于Res-Inception的轻量级光谱定性分析方法

  • 提出了一种轻量级一维光谱分类网络 DSRINet-1D，用于红外光谱定性分析。 • 设计了一种 FSWA 注意力机制，可在参数增加微乎其微的情况下增强特征表示。 • DSRINet-1D(FSWA) 在三个跨域数据集上的准确率分别达到 99.355%、98.474% 和

  来源：Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy

  时间：2026-09-21

• 反复全身给予β-NGF可改善公羊的精液特征

  •全身性β-NGF增加了射精量和每次射精的精子总数。•它增强了射精精子的总活动力、前向活动力、快速活动力以及正常形态精子。•睾酮浓度未发生变化。•β-NGF给药后，这些变化持续约20天。引言在骆驼科动物中，精浆中存在一种排卵诱导因子（OIF），负责诱导排卵。该因子已被分离和纯

  来源：Theriogenology

  时间：2026-09-21

• 基于主动模拟功能的知觉-运动整合新理论框架

  • 生物体基于自身运动内部模型的主动模拟功能是整合感知与运动的关键。 • 感知的动力学在数学上被描述为一种约束条件，即生物体在主动模拟从环境中接收的感官信息时应满足的约束条件。 • 生物体利用主动模拟功能主动感知环境，以引出表征环境的时不变量。 • 这些时不变量揭示了他人运动

  来源：Cognitive Systems Research

  时间：2026-09-21

• 利用蛋白质基胶体构建布尔逻辑：一种微电极阵列（MEA）方法

  **摘要** 神经形态计算和非传统计算旨在复制生物系统自适应、并行且节能的信息处理能力。利用可持续、生物相容的材料实现这一功能仍是一项关键挑战。在此，我们展示了一个基于蛋白质的胶体计算平台，该平台使用卵白蛋白与微电极阵列（MEA）结合，同时表现出类记忆行为和类似突触的增强与抑

  来源：BioSystems

  时间：2026-09-21

• 面向少样本动作识别的语义驱动模式挖掘与对齐

  摘要小样本动作识别（FSAR）旨在仅从少量带标注的视频中识别新型动作类别，但由于在极度有限的监督下难以发现和align具有类别区分力的时空模式，该问题仍极具挑战性。许多现有的FSAR方法主要聚焦于视觉相似性匹配，如帧级对齐，因此被限制在单模态框架内，忽略了动作标签中蕴含的丰富

  来源：Neurocomputing

  时间：2026-09-21

• TSLKAN: 一种用于时间序列预测的全 KAN 架构

  摘要时间序列预测在诸多实际领域中至关重要，然而其预测精度往往因多变量数据固有的高维复杂性和复杂的时序依赖关系而受到损害。传统的预测方法，包括多层感知机（MLP），往往难以捕捉此类非线性关系。为应对这些挑战，我们提出TSLKAN，一种完全基于Kolmogorov–Arnold网

  来源：Neurocomputing

  时间：2026-09-21

知名企业招聘：