• CDINet：一种用于蒸汽退化热红外图像恢复的级联双域交互网络

  热红外图像在高温水蒸气环境下易受干扰，导致信息丢失。本文提出CDINet，通过双域交互块（DIB）和LSTM级联结构进行迭代修复，并构建IRDH数据集验证其有效性，在非均匀水蒸气场景中优于现有方法。

  来源：Neurocomputing

  时间：2026-02-05

• 内在维度作为衡量类别不平衡的一种无模型方法

  本文提出基于数据内在维度（ID）的新型不平衡衡量方法，模型-free且独立于样本数量。实验表明，ID在多种长尾数据集上显著优于传统重采样和损失重加权方法，结合样本数量可进一步提升性能。

  来源：Neurocomputing

  时间：2026-02-05

• DEM-WGAN：一种基于Wasserstein生成对抗网络（GAN）的新数据评估方法，用于不平衡数据分类

  针对传统SMOTE算法及其变体在生成合成数据时噪声增加和缺乏有效评估机制的问题，本文提出基于Wasserstein GAN的新型数据评估方法DEM-WGAN。该方法通过训练判别器评估合成数据与多数类分布的相似性，结合SMOTE生成高质量少数类样本，有效减少类重叠并提升分类性能。实验表明DEM-WGAN在多个基准数据集上显著优于现有方法。

  来源：Neurocomputing

  时间：2026-02-05

• 指挥异常行为：通过双内存和时间序列模型实现持续的视频异常检测

  弱监督视频异常检测中，为解决持续学习场景下新异常模式自适应能力不足的问题，本文提出COMMAND框架。该框架通过AugFuseNet融合RGB与运动特征增强泛化性，利用基于Mamba的TempMamba模块捕捉长时序依赖，结合MemDualNet双记忆机制保留时空上下文信息，并采用ContTrain++策略实现增量学习与灾难性遗忘缓解。实验表明，该方法在UCF-Crime、ShanghaiTech等数据集上显著优于现有方法，尤其在动态环境适应性和异常定位精度方面提升显著。

  来源：Neurocomputing

  时间：2026-02-05

• 具有稳定性保证的稀疏循环神经网络组合

  提出基于收缩理论的稀疏递归神经网络组装框架AdaDiag，通过自适应对角线参数化和可学习时间尺度实现稳定与可训练性的平衡，减少参数量同时保持模块化扩展能力。

  来源：Neurocomputing

  时间：2026-02-05

• 通过跨模态对齐和图卷积实现手语翻译

  跨模态对齐预训练结合动态双图时空聚合模块，提出无标注签字语翻译框架CMAG-Net。通过CMAE嵌入器同步优化语义重建与分布对齐损失，构建手势时序图与相似性图，抑制冗余帧干扰，提升翻译准确率与流畅度。实验表明，在PHOENIX-2014T等数据集上，BLEU-4较GFSLT-VLP提升5.19/5.95，接近有标注方法MMTLB的0.37/0.22差距。

  来源：Neurocomputing

  时间：2026-02-05

• CRColor：基于循环参考学习的方法，用于基于样本的图像着色

  颜色保真度不足是现有基于示例的图像着色方法的核心问题，本文提出CRPSNR评估指标和CRColor网络结构，通过循环策略实现参考图像颜色信息的双向校验，在保持图像质量的同时显著提升颜色保真度，实验验证了方法的有效性。

  来源：Neurocomputing

  时间：2026-02-05

• STIMI：一种用于时空风速重建的掩膜图像建模框架

  时空图像重建框架STIMI通过互信息重索引将高维风速数据映射为二维图像，采用多尺度窗口自注意力机制捕捉时空依赖，结合均方误差与KL散度混合损失函数，有效解决大块缺失场景下的风功率预测难题，实验验证其可解释性优势。

  来源：Neurocomputing

  时间：2026-02-05

• 持续学习的实践指南

  持续学习（CL）与流式机器学习（SML）分别解决知识保留与快速适应概念漂移的挑战，而提出的流式持续学习（SCL）旨在统一二者，通过平衡稳定性与可塑性实现动态数据流中的高效持续学习。

  来源：Neurocomputing

  时间：2026-02-05

• SSDMamba：一种用于高光谱图像分类的谱-空间双分支模型

  高光谱图像分类中提出SSDMamba框架，通过DS Spatial Mamba分支捕获长程空间依赖，FFT Spectral Mamba分支建模光谱全局周期性，并设计动态交互融合模块优化特征交互。实验表明该方法在四大数据集上参数更少且精度更高。

  来源：Neurocomputing

  时间：2026-02-05

• Anti-DETR：基于小波卷积的端到端反无人机视觉检测网络

  小无人机空对空复杂场景检测方法，提出端到端Anti-DETR网络，通过小波卷积扩展感受野，多尺度特征金字塔增强细粒度特征，直方图自注意力机制抑制背景干扰，有效提升5×5像素级小目标检测精度。

  来源：Neurocomputing

  时间：2026-02-05

• 一种可解释的多视图表示融合学习框架，结合了混合元前缀网络（Hybrid MetaFormer），用于基于脑电图（EEG）的癫痫发作检测

  本文提出一种基于混合MetaFormer的多视图 Representation Fusion Learning（XMVRF-HMF）框架，通过GASF和改进的Stockwell变换构建层次化多视图表示，并利用稀疏注意力机制实现跨视图特征融合，同时设计可解释性模块基于特征重要性评分，在CHB-MIT和Siena数据集上显著优于现有方法，平均准确率达95.5%±3.75%，并实现决策可解释。

  来源：Neurocomputing

  时间：2026-02-05

• SynHOI：一种多粒度GAN合成器，用于生成式零样本场景识别（HOI）任务

  零样本人类-物体交互检测中，基于GANs的多粒度特征合成框架SynHOI通过生成对抗网络解决未见类别的视觉特征缺失问题。采用跨域组合转移策略，融合 seen 类别的语义特征和空间特征，结合双对比学习机制（ICCS和ICCD）提升生成特征的区分性和多样性。在HICO-DET和V-COCO数据集上验证，显著优于依赖外部知识的方法，且 seen/unseen 检测性能平衡最优。

  来源：Neurocomputing

  时间：2026-02-05

• 基于图像与文本的样式随机化方法，用于领域泛化的语义分割

  语义分割模型面临异构域泛化不足的问题，本文提出两阶段框架：第一阶段通过图像-文本联合驱动的实例归一化（I-PIN）优化风格参数，减少语义干扰；第二阶段采用双路径风格不变特征学习（DSFL），结合跨风格一致性和单风格内空间一致性损失，提升模型在未知域的鲁棒性。实验表明，该方法在多个挑战性域中优于现有SOTA方法。

  来源：Neurocomputing

  时间：2026-02-05

• LumiGAN：基于记忆引导的双分支学习算法，用于现实世界的弱光图像增强

  LumiGAN提出基于质量评估的双分支编码器与动态记忆银行模块，通过像素级质量引导和区域自适应增强策略，结合空间局部特征与频率全局特征提取，并利用仿生视觉记忆机制增强语义一致性，有效解决低光照图像的过曝/欠曝、噪声放大和语义失真问题。

  来源：Neurocomputing

  时间：2026-02-05

• 基于高斯采样和度量学习的细粒度图像分类

  本文提出基于高斯采样不确定性的三元损失函数TL-GSU，结合改进的BNNeck特征减少结构，有效提升细粒度图像分类精度，并在三个数据集上验证其优于传统方法。

  来源：Neurocomputing

  时间：2026-02-05

• MAD-TCN：通过多尺度自适应依赖性时间卷积网络进行时间序列异常检测

  针对工业物联网多变量时间序列异常检测中的复杂依赖、长时序建模及计算效率问题，提出MAD-TCN模型。其双分支结构结合局部与全局时序特征提取，自适应门控模块动态调整变量间依赖，实现轻量化设计（约0.026M参数），在四项基准数据集上AUC和F1值最高或次优，且训练与推理速度提升34%。

  来源：Neurocomputing

  时间：2026-02-05

• 探索基于物理优化的神经运算符在预测车辆-桥梁系统动力学中的应用：从1自由度（1-DOF）模型到13自由度（13-DOF）模型

  车辆-桥梁耦合动力学（CVBD）预测中，Fourier神经网络算子（FNOs）作为代理模型被应用于1-DOF至13-DOF不同复杂系统。通过对比输入特征设计、输出策略和损失函数形式，研究发现：引入路面导数输入和扩大归一化范围可显著提升加速度响应预测精度；高维系统中联合预测位移、速度和加速度，采用加权数据损失函数无需额外物理约束即达最优性能。

  来源：Journal of Sound and Vibration

  时间：2026-02-05

• 一种基于物理原理的混合模型，用于橡胶轮胎制造过程中的压延宽度预测

  橡胶挤出压延宽度预测难题，提出TCN-BiLSTM-PINN混合模型，融合物理约束与数据驱动，动态加权策略平衡拟合与物理一致性，实验验证其优于纯数据模型，适应性强。

  来源：Journal of Process Control

  时间：2026-02-05

• OptimES：利用远程嵌入优化图神经网络的联邦学习

  本文提出OptimES框架，通过远程邻居修剪、重叠嵌入推送与动态预取优化联邦GNN训练，减少通信成本，在四个数据集上比EmbC快3.5倍，准确性提升16%。

  来源：Journal of Parallel and Distributed Computing

  时间：2026-02-05

知名企业招聘：