• 一种基于双重置信度评估的共享控制方法，用于人机协作

  共享控制通过量化人类与机器的决策信心动态分配控制权，提升复杂环境人机协作安全性及性能。方法构建知识-任务匹配的人类信心模型和不确定性容忍的机器信心模型，基于政策梯度优化动态调整融合权重，理论分析验证模型合理性，实验表明其优于传统方法在LunarLander和无人机航迹规划中的表现。

  来源：Neurocomputing

  时间：2026-02-21

• NARCOX：用于认知建模的非平稳自回归变换器，支持眼部外部输入数据

  认知负荷预测基于Transformer的NARCOX框架，利用外生眼部数据和非线性时间序列回归，解决传统方法依赖离散EEG数据和静态模型的局限，通过频谱和波let变换捕捉动态特征，在EEGEyeNet数据集上优于LSTM基线。

  来源：Neurocomputing

  时间：2026-02-21

• 自适应关键帧选择与齿轮注意力机制在动态场景重建中的应用

  动态场景神经辐射场高效建模方法研究。针对复杂动态场景建模中计算效率与重建精度不足的问题，提出自适应关键帧采样与动态加权注意力机制（GAM）。通过SAM模型和光流分析实现智能关键帧分布，结合动态特征融合机制提升多尺度运动建模能力。实验表明在Google沉浸式数据集上PSNR提升1.33dB，较Gear-NeRF提升1.20dB。

  来源：Neurocomputing

  时间：2026-02-21

• MVF-XT：一种基于交叉注意力的可解释多视图融合网络，用于功能性磁共振成像（fMRI）分析

  本文提出MVF-XT模型，通过连接性碎片嵌入（CPE）和静态-动态跨注意力模块（SDCA）融合fMRI的时序、静态和动态功能连接数据，结合DiA和PR方法验证可解释性，在肥胖、HCP和ADHD数据集上表现最优。

  来源：Neurocomputing

  时间：2026-02-21

• 通过结合图神经网络和大型语言模型来优化知识推理

  提出EIG框架，通过提取、推理和生成三阶段整合LLMs和GNNs，采用增量推理方法降低计算复杂度，提升知识推理准确性和效率，减少语言模型幻觉，支持可解释的推理路径可视化。

  来源：Neurocomputing

  时间：2026-02-21

• 基于层次对比频率增强的多项式图协同过滤推荐算法

  提出PFCLRec框架，通过多项式滤波分离低频/高频信号并抑制噪声，结合分层对比学习增强跨视图稳定信号，优化表示空间对齐与均匀性，有效解决异构噪声和局部结构识别问题，实验验证其优于现有方法。

  来源：Neurocomputing

  时间：2026-02-21

• ISMAF：内在-社会模态对齐与融合在多模态谣言检测中的应用

  多模态谣言检测框架ISMAF通过跨模态一致性对齐与互学习机制，有效整合文本、图像及社会上下文信息，并采用自适应融合策略动态调整各模态权重，解决三模态融合难题，实验验证其性能优于现有方法。

  来源：Neurocomputing

  时间：2026-02-21

• 基于神经常微分方程（Neural ODE）的安全模型预测控制在功能性电刺激骑行中的应用

  功能性电刺激（FES）骑行控制中，基于神经网络常微分方程（Neural ODE）的离线训练政策代理与有限时间补偿机制结合，解决了传统模型预测控制（NMPC）的高计算需求和安全性问题。Neural ODE在连续时间下逼近最优NMPC策略，减少70%计算量，补偿层确保输入约束和快速扰动抑制，仿真显示误差降低52%，性能稳定。

  来源：Neurocomputing

  时间：2026-02-21

• BKT-DSNN：基于动态模型分配的通信高效脉冲神经网络联邦学习

  本文提出基于块知识传输的延迟脉冲神经网络（BKT-DSNN）框架，通过动态模型分配和脉冲知识迁移机制，有效解决边缘设备上联邦学习中的异构数据、噪声干扰和通信受限问题。实验表明，该方法在CIFAR10数据集上以7.97%的通信成本达到与SOTA方法相当的精度，同时实现13.2%的精度提升。该框架创新性地融合了块式正则化和神经拟态触发算法，在保持低能耗优势的同时突破精度瓶颈，为资源受限环境下的联邦学习提供新范式。

  来源：Neurocomputing

  时间：2026-02-21

• 基于双空间引导的全局-局部消歧方法在部分多标签特征选择中的应用

  部分多标签学习框架存在三个关键问题：特征空间冗余与混淆、特征与标签优化分离、全局/局部信息利用不充分。本文提出双空间引导全局-局部歧义消解特征选择方法（DGLFS），通过聚类实现局部歧义消解，结合光滑性约束构建全局视角，利用特征子空间与标签子空间的交互权重进行特征筛选，并设计交替优化策略实现协同提升。实验表明该方法在八组数据集上优于五篇SOTA方法。

  来源：Neurocomputing

  时间：2026-02-21

• 在分布式雾计算中，利用进化动作进行深度强化学习以实现动态工作流调度

  动态工作流调度在分布式雾计算中面临复杂环境与动态挑战，本文提出多智能体DRL框架，结合遗传编程自动生成调度规则并引入 niching 技术优化规则多样性，实验验证其优于传统方法及现有DRL/GP方案。

  来源：Neurocomputing

  时间：2026-02-21

• 基于集成模型的绵羊肺腺癌（OPA）的组织病理学诊断

  本研究构建了69592张绵羊肺腺癌（OPA）病理图像数据库，采用Res2Net101与EfficientNet的集成模型（特征/输出层融合），实现96.5%准确率，超越初级病理医生（差异2.3%-5%），辅助快速诊断可疑病灶，提升病理诊断效率。

  来源：BMC Veterinary Research

  时间：2026-02-21

• 基于机器学习的鸡体重预测模型在精准家禽养殖中的应用及比较研究

  本研究针对不同生长速度鸡种的体重精准预测难题，系统评估了高斯指数回归(GER)、前馈神经网络(FFNN)、支持向量机(SVM)和决策树(DT)四种机器学习模型。研究结果表明，GER模型在慢速、中速和快速生长型鸡种中均表现出最高的预测精度和最低的误差，展现出作为精准家禽养殖高效可靠工具的潜力。该研究为根据特定鸡种生长速率选择模型提供了直接建议，对优化饲养管理、提高生产效率和促进可持续发展具有重要意义。

  来源：Tropical Animal Health and Production

  时间：2026-02-21

• 正反观点：像胰高血糖素样肽-1受体激动剂这样的抗肥胖药物应作为特发性颅内高压的一线治疗手段

  脑脊液瘤影像学异常预测耳鸣及小脑性共济失调研究，胸腺切除术疗效评估与血浆置换治疗MOG抗体相关疾病效果分析。

  来源：Journal of Neuro-Ophthalmology

  时间：2026-02-21

• 针对3D TLC NAND闪存的增强型LDPC编码：利用层内变异（RBER）差异

  NAND闪存采用高码率LDPC码减少冗余数据，但高码率时纠错能力较弱。3D TLC闪存中不同存储层的RBER差异导致频繁读重试，影响性能。提出的LVLDPC方案基于神经网络模型分析RBER与层间干扰关系，分类后选择适配LDPC码，减少迭代次数67%，空间开销仅1.15%。针对高RBER层，扩展的eLVLDPC进一步降低迭代次数19.1%，将纠错阈值提升至2.68×10^-2。

  来源：IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems

  时间：2026-02-21

• 基于机器学习逆向辅助设计的共振复合元结构的声吸收特性

  本研究提出共振复合超结构，结合孔板、空腔、插板和孔隙材料，通过传递矩阵法和有限元模型验证理论模型，构建包含10万组首峰数据的拉丁超立方抽样数据集。开发单阶段和双阶段深度神经网络模型，双阶段模型在预测首峰频率（相对误差4.2%）和吸声系数（相对误差2.25%）上显著优于单阶段模型，并通过声阻抗管实验验证了设计的有效性。

  来源：Applied Acoustics

  时间：2026-02-21

• 探索用于高光谱作物分类的Kolmogorov–Arnold网络——一项评估性研究

  本研究基于高光谱成像技术，采用标准化KAN框架评估了8种KAN变体在作物分类中的性能，基于Wuhan无人机数据集。实验表明JacobiKAN（99.78%）和ChebyKAN（99.99%）准确率最优，验证了多项式基KAN模型在HSI分类中的优势，为农业遥感研究奠定基础。

  来源：Advances in Space Research

  时间：2026-02-21

• 针对智能家居中增强型非侵入式负载监测而优化的人工神经网络

  非侵入式负荷监测（NILM）中提出了一种基于人工神经网络（ANN）与粒子群优化（PSO）的混合方法，通过8种紧凑统计特征描述器降低数据复杂度，并利用PSO直接优化ANN权重和偏置，在保持高分类精度（精确度0.9952，F1值0.9954）的同时将CPU运行时间压缩至50秒以下，适用于智能家居实时监控场景。

  来源：Journal of Building Engineering

  时间：2026-02-21

• 基于模糊时空图学习的不确定性建模方法在盾构姿态预测中的应用

  盾构机姿态预测的混合模型研究提出FCSTGNN-ANFIS框架，融合时空图神经网络捕捉多参数耦合关系，自适应神经模糊系统量化不确定性，结合图解释器增强可解释性。杭州地铁案例验证其准确性（RMSE=2.574mm，R²=0.978）和工程实用性，解决动态地质条件下的数据噪声与时空依赖建模难题。

  来源：AUTOMATION IN CONSTRUCTION

  时间：2026-02-21

• 基于物理信息神经网络和大型语言模型的专家引导的流行性急性呼吸道感染发病率预测

  基于大语言模型（LLM）的专家指导物理信息神经网络（PINN）交互式调整框架，通过结构化专家反馈动态优化PINN损失函数，实现流行病预测模型的实时校准。实验验证了LLM在专家知识形式化中的应用潜力，成功率达25-27%。

  来源：Expert Systems with Applications

  时间：2026-02-21

知名企业招聘：