• ReLU Hopfield神经网络不等式约束优化问题的模拟电路实现

  尽管人工智能（AI）的高性能有望应用于各类技术领域，但其高能耗仍是实现社会可持续部署待解的问题。模拟实现的神经网络凭借高速收敛与低能耗，是有前景的替代计算器件。研究人员将电路实现的ReLU Hopfield神经网络（ReLU-HNN）应用于带不等式约束的数学问

  来源：Frontiers in Neuroscience

  时间：2026-09-07

• 综述：母胎通讯组（maternal–fetal communicatome）：一项基于范围综述与网络生理学视角的统一、自适应、多尺度交互网络

  母胎关系日益被认为并非两个独立实体间的简单相互作用，而是一个统一、自适应且多尺度的生理网络。本项范围综述综合了心理学、生理学、免疫学、遗传学及细胞领域的最新研究，旨在绘制协调妊娠并程序化终生健康的“通讯组（communicatome）”。研究者重点考察了母体与

  来源：Frontiers in Network Physiology

  时间：2026-09-07

• 新鲜冰冻血浆输注对APTT延长早产儿脑室内出血风险的影响：基于因果森林分析的目标试验模拟

  背景：凝血病是早产儿脑室内出血（intraventricular hemorrhage，IVH）发生及随后不良神经系统预后的常见危险因素。新鲜冰冻血浆（fresh-frozen plasma，FFP）输注与IVH之间的因果关系亟待明确。 方法：在目标试验模拟

  来源：Frontiers in Neuroscience

  时间：2026-09-07

• 组胺与 H1 受体调控 IDPN 诱导的小鼠抽动样行为模型中的小胶质细胞

  摘要抽动障碍（TD）是一种发育性神经系统疾病，其特征是病理性运动性 和/或 发声性抽动。越来越多的证据表明，中枢组胺（HA）参与 TD 的发生和发展。最近的研究强调了 HA 在神经炎症中的作用，而小胶质细胞（中枢常驻吞噬细胞）在神经炎症状态下与 HA 密切相关。临床研究表明，

  来源：BMC Neuroscience

  时间：2026-09-07

• 基于静息态功能磁共振成像的无先兆偏头痛患者脑活动异常研究

  摘要偏头痛是一种对个体和社会均产生不良影响的神经血管性疾病。尽管先前的研究已观察到偏头痛患者存在异常的脑活动，但具体的神经功能障碍模式及其与临床症状的关系仍未得到完全阐明。本研究共收集了39例无先兆偏头痛（MwoA）患者和26例健康对照（HC）的静息态功能磁共振成像数据及临床

  来源：Scientific Reports

  时间：2026-09-07

• CSA-Net: 一种用于不平衡财务困境预测的成本敏感自适应混合框架

  摘要财务困境预测是一个严重不平衡的表格学习问题，其中困境企业罕见，而假阴性错误可能带来不成比例的经济后果。我们提出了 CSA-Net，一种成本敏感的自适应混合框架，它将 LightGBM 视为强大的表格先验，并学习一种轻量级神经残差，其样本特定幅度限制了相对于树预测器的不必要

  来源：Scientific Reports

  时间：2026-09-07

• ConvSNN：一种用于腕带式压力与情感状态识别的高能效混合卷积脉冲神经网络

  摘要在可穿戴设备上连续监测压力对于实时情感计算、数字健康和个性化身心健康管理至关重要，但由于可穿戴设备必须在使用少量传感器、有限算力和严格能耗预算的条件下运行，这仍然是一项极具挑战性的任务。胸戴式系统可以利用高信噪比信号，如心电图（ECG）、肌电图（EMG）和呼吸信号，而腕戴

  来源：Scientific Reports

  时间：2026-09-07

• 利用激光扫描显微光谱技术评估液-液相分离光学特性的创新方法

  液-液相分离(LLPS)在细胞内区室化和基因调控中发挥核心作用。尽管光遗传学optoDroplet系统被广泛用于研究活细胞中的LLPS，但由于中间组装状态难以原位监测，从动态的液体样凝聚体向操作性定义的凝胶样组装体转变的机制仍知之甚少。在本研究中，研究人员开发

  来源：Microscopy Research and Technique

  时间：2026-09-07

• 基于BP神经网络的矿井全通风网络火灾快速预测研究

  摘要矿井火灾对井下安全构成严重威胁，快速预测火灾引发灾害对于及时救援至关重要。传统的计算流体动力学数值模拟精度高但耗时较长，且仅限于单一或局部巷道。本研究提出了一种基于反向传播（BP）神经网络的全通风网络矿井火灾快速预测方法。建立了一个14分支的全通风网络矿井模型，并使用火灾

  来源：Scientific Reports

  时间：2026-09-07

• 沙特阿拉伯可再生能源与非可再生能源使用中二氧化碳排放的可解释神经网络预测

  摘要能源密集型经济体需要精确预测与能源使用相关的 CO₂ 排放量，以便为可持续性做好充分准备。本研究旨在利用人工神经网络 (ANNs) 开发一个精确的预测框架，用于对沙特阿拉伯的 CO2 排放量进行建模。编制并标准化了一个全面的全国数据集，涵盖了多年的可再生能源和非可再生能源

  来源：Scientific Reports

  时间：2026-09-07

知名企业招聘：