• 整合浅层脑网络的计算架构：平行皮质与皮质下处理的新模型

  本研究针对当前AI模型过度依赖深层层级结构的局限性，提出了一种整合浅层脑网络的计算架构，将皮质层级处理与皮质下通路相结合。通过构建前馈卷积和预测编码两种网络模型，研究人员成功模拟了灵长类动物在感知决策任务中的行为表现，揭示了皮质下结构主导简单任务而皮质层级网络处理复杂任务的协同机制。该研究为理解大脑并行处理原理提供了新框架，对发展更生物合理的神经人工智能模型具有重要意义。

  来源：Current Research in Neurobiology

  时间：2026-02-02

• 基于压电笼系统的高通量睡眠-觉醒转换量化工具开发及其在睡眠碎片化研究中的应用

  本研究针对非侵入性压电笼系统在睡眠研究中缺乏睡眠碎片化量化工具的问题，开发了一种基于Excel的标准化工具，可高效分析睡眠-觉醒转换。研究人员通过分析野生型小鼠24小时睡眠行为，发现雌性小鼠在光周期表现出更频繁的睡眠-觉醒转换，揭示了性别特异性睡眠碎片化模式。该工具为神经退行性疾病、昼夜节律紊乱等领域的睡眠架构研究提供了重要技术支撑。

  来源：Current Research in Neurobiology

  时间：2026-02-02

• 社会支配地位对内侧前额叶皮层和基底外侧杏仁核中神经突触网络的影响

  本研究通过叙利亚仓鼠模型，发现支配雄性在vmPFC的IL区周细胞网（PNN）表达显著高于从属雄性，而从属雌性在PL区PNN表达更突出，且PL区PNN数量与支配雄性后期攻击行为呈正相关，提示PNN介导的神经可塑性参与性别差异的社会行为调控。

  来源：Physiology & Behavior

  时间：2026-02-02

• GrassNet：状态空间模型与图神经网络的结合

  针对传统谱图神经网络滤波器设计的局限性，本文提出GrassNet，通过结构状态空间模型（SSMs）建模图信号不同频率的关联，实现全局谱分布建模。该模型为每个频率设计唯一整流，解决相同频率不同信号基的调制问题，在九个基准数据集上验证其优于多项式和小波基的滤波器设计。

  来源：Pattern Recognition

  时间：2026-02-02

• 健康衰老中保留的知觉-动作分离与改变的视觉运动行为

  本研究针对健康衰老如何影响视觉知觉与动作控制的分离机制这一关键问题，通过两个精巧的实验（庞佐错觉和表面大小操纵），揭示了老年人在保留基本知觉-动作分离功能的同时，其视觉运动行为表现出对背景语境信息增强的依赖性。该发现不仅支持了补偿性神经机制假说（CRUNCH），也为理解衰老过程中的视觉运动适应性变化提供了重要证据，对老年友好型环境设计具有指导意义。研究成果发表于《Neuropsychologia》。

  来源：Neuropsychologia

  时间：2026-02-02

• 针对精神分裂症患者的情景性未来思维干预：效果及神经生物学机制

  精神分裂症患者未来事件想象能力的研究显示，基于最佳可能自我和未来特异性的联合干预（BPSFS）显著提升其EFT特异性，未来目标流畅性部分中介该效应，且干预组默认模式网络（如颞顶联合区与额极）功能连接增强，可能为机制。

  来源：Neuropsychologia

  时间：2026-02-02

• 时标上中立型时滞分数阶四元数神经网络的全局Mittag-Leffler稳定性分析

  本文首次研究了时标上具有中立型时滞的分数阶四元数神经网络（FOQVNNs）的全局Mittag-Leffler稳定性问题。针对传统分解方法会破坏四元数代数结构且导致线性矩阵不等式（LMI）维度增加的局限性，作者提出了一种直接在四元数域内分析的创新方法，结合Lyapunov稳定性理论、自由权矩阵法和矩阵不等式技术，建立了可经由MATLAB/YALMIP工具箱直接求解的稳定性判据。通过数值仿真验证了理论结果的有效性，为多维信号处理等领域提供了更优的稳定性分析框架。

  来源：Neurocomputing

  时间：2026-02-02

• 用于时间知识图谱预测的张量分解方法

  张量分解方法在时间知识图谱预测中的应用研究，提出融合RBF时间编码器和时序正则化器的改进模型，在ICEWS、YAGO等五个基准数据集上验证其效率优势及预测性能，MRR提升5-30点，证明其作为可扩展替代方案的潜力。

  来源：Neurocomputing

  时间：2026-02-02

• 跨模态样本引导的可见光-红外人体重新识别

  多模态样本引导的对比评估方法用于解决可见-红外图像配对中的模态差异问题，通过动态生成和搜索不同维度的特征嵌入，优化跨模态特征匹配，实验表明在SYSU-MM01和RegDB数据集上性能优于现有算法。

  来源：Neurocomputing

  时间：2026-02-02

• 工业领域中的无监督逻辑异常检测：采用嵌套金字塔融合和参数共享状态空间增强技术优化的Mamba算法

  无监督逻辑异常检测方法通过嵌套金字塔特征融合与参数共享状态空间增强模块实现，无需图像分割即可有效捕捉长距离依赖关系，在MVTec-LOCO等数据集上像素级检测准确率达75.31%，较基线提升3.36%，同时保持结构异常检测性能。

  来源：Neurocomputing

  时间：2026-02-02

• 基于证据理论的动态多尺度混合数据最优尺度组合动态更新与知识获取研究

  本文聚焦动态不完全广义多尺度混合决策表（IGMHDT）中的知识获取难题，提出了一种基于Dempster-Shafer证据理论（DS理论）的最优尺度组合（BOSC/POSC）动态更新方法。通过定义模糊相似关系构建信息粒，并引入置信最优尺度组合（BOSC）和似然最优尺度组合（POSC）概念，设计了增量式动态算法，在16个UCI数据集上验证了算法在分类精度与计算效率上的优势，为处理动态混合数据提供了新的粒计算（GrC）范式。

  来源：Neurocomputing

  时间：2026-02-02

• 利用预训练的大型语言模型，并结合精细的提示机制，来实现在线任务规划和运动规划

  本文提出基于大型语言模型的闭环任务规划与执行系统LLM-PAS，通过First Look Prompting（FLP）方法优化异常处理，结合传统TAMP与动态执行调整，有效提升复杂场景下的任务执行鲁棒性。

  来源：Neurocomputing

  时间：2026-02-02

• 综述：自动驾驶中的车道检测：综述

  自动驾驶系统中的车道检测技术综述，系统梳理了从传统2D图像处理到深度学习驱动的3D几何重建技术演进，提出基于输出表示和几何先验的二维车道检测分类体系，分析多传感器融合、BEV转换等三维检测方法，揭示复杂度与性能的权衡关系，并识别了面向自动驾驶部署的七项关键技术方向。

  来源：Neurocomputing

  时间：2026-02-02

• 基于超图双约束传播的鲁棒半监督非负矩阵分解模型在图像聚类中的创新与应用

  本文提出一种创新的超图双约束传播鲁棒半监督非负矩阵分解（HDCP-RSNMF）算法，通过融合超图学习（hypergraph learning）、双约束传播（DCP）和柯西损失函数（Cauchy loss），有效解决了图像聚类中监督信息利用不足、高阶几何关系缺失和噪声敏感三大瓶颈。该模型在8个基准数据集上验证了其优越的聚类性能和鲁棒性。

  来源：Neurocomputing

  时间：2026-02-02

• 基于社会学的观点预测方法：将有限信心理论与TabTransformer相结合

  意见演化预测模型TT-SBCM通过融合TabTransformer与随机有界置信模型，有效整合理论约束与数据驱动，提升少数群体动态捕捉能力。

  来源：Neurocomputing

  时间：2026-02-02

• 综述：疼痛与免疫系统

  这篇综述系统阐述了神经-免疫相互作用在疼痛发生与慢性化中的核心机制，强调了从外周组织到中枢神经系统（CNS）的整个疼痛轴上都存在复杂的神经免疫对话。文章深入探讨了伤害性、神经病理性及伤害可塑性疼痛中不同的免疫细胞（如巨噬细胞、T细胞、胶质细胞）和介质（如细胞因子、趋化因子）的作用，并指出针对特定神经免疫机制进行精准治疗（包括药物和非药物干预，如运动、饮食）的重要性，为理解慢性疼痛和开发新疗法提供了重要基础。

  来源：Musculoskeletal Science and Practice

  时间：2026-02-02

• 用于肺癌检测的电化学免疫传感器研究趋势：文献计量学回顾与进展分析

  本研究针对肺癌早期诊断难题，系统回顾了2010-2025年间电化学免疫传感器领域的121篇文献。研究人员采用文献计量学方法，结合VOSviewer和Bibliometrix等工具，深入分析了该领域的研究趋势、知识框架及国际合作网络。研究发现，亚洲国家（尤其中国）在该领域贡献卓越；基于金纳米颗粒、无标记组装策略的电化学免疫传感器在检测癌胚抗原(CEA)、细胞角蛋白19片段(CYFRA 21-1)等关键生物标志物方面展现出高灵敏度与稳定性。该研究为肿瘤学与生物医学工程领域提供了重要研究方向，有望推动肺癌早期检测技术的临床转化。

  来源：Microchemical Journal

  时间：2026-02-02

• 用于树枝晶凝固相场建模的改进有限差分方法

  双曲守恒律的神经网络学习框架NESCFN通过嵌入熵稳定性设计，直接从解轨迹数据中学习未知守恒律及其熵函数，无需预设数值离散方法，在长期积分和激波传播预测中表现稳定。

  来源：Journal of Computational Physics

  时间：2026-02-02

• 利用物理知识驱动的神经网络构建衰减均匀各向同性湍流的雷诺应力模型

  本研究开发神经网络模型预测同质各向同性湍流衰减，通过GPU加速伪谱方法在低雷诺数Taylor尺度进行DNS模拟，提取无量纲数据训练模型，提出雷诺数一致的无量纲衰减方程，直接从数据识别衰减系数。与结合渐近描述的传统方法不同，新方法通过可靠DNS数据推导数据驱动衰减函数Z，并训练PINN模型准确预测湍流速度和耗散率场，验证其有效性和实用性。

  来源：Journal of Computational Physics

  时间：2026-02-02

• 基于条件序列生成的门控循环单元（Gated Recurrent Units）在深拉过程中预测断裂不稳定性

  本研究提出一种混合方法，结合分析模型、有限元法（FEM）和GRU神经网络，用于高效预测深拉成形极限。通过FEM模拟不同工艺参数下的成形力数据集，训练GRU模型快速预测力-位移曲线，并与分析模型确定的理论极限载荷曲线相交，验证断裂高度。实验表明该方法计算高效且预测准确，适用于智能冲压设计。

  来源：International Journal of Solids and Structures

  时间：2026-02-02

知名企业招聘：