• 基于图的 radicals 结构树表示方法在零样本汉字识别中的应用

  零样本中文字符识别中，本文提出基于图结构的偏旁结构树表示（GRSTR）方法，通过构建自上而下的有向偏旁结构树增强结构感知，设计方向感知位置编码解决位置模糊问题，结合图神经网络（GNN）实现字符的 canonical 表示，并在四个基准数据集上验证其有效性。

  来源：Pattern Recognition

  时间：2026-02-23

• 无掩码高斯分离：旋转物体三维重建的新突破

  本文针对旋转物体三维重建中严重依赖分割掩码的问题，提出了无需掩码的高斯分离方法MFGS。该研究在复杂背景条件下，通过扩展高斯基元并联合优化自监督分离概率，实现了前景与背景的自动解耦和高质量三维重建。实验表明，MFGS在合成与真实数据集上均显著超越现有方法，在无需人工干预的情况下，其新视角合成与几何重建精度甚至优于依赖高质量掩码的先进方法，为工业检测和文化遗产数字化等实际应用提供了更鲁棒、更高效的解决方案。

  来源：Pattern Recognition

  时间：2026-02-23

• 几何对比多视图立体视觉与共可见性传播

  多视图立体视觉框架融合几何引导对比学习强化弱纹理区分，跨视图注意力引导抑制边界错误传播，深度误差感知优化成本聚合，显著提升复杂场景重建精度与效率。

  来源：Neurocomputing

  时间：2026-02-23

• 紧凑Transformer变体在合成时间序列预测中的系统性研究

  本文聚焦时间序列预测中复杂Transformer模型架构不一、比较标准缺失的痛点，提出了一个统一的模块化框架，将Autoformer、Informer和PatchTST三大Transformer家族分别标准化为Minimal、Standard和Full三种架构变体。研究者通过1500余次对照实验和理论分析，明确了各变体在模型容量、归纳偏置和计算复杂度上的权衡，揭示了PatchTST Standard在整体精度与噪声鲁棒性上的优势。本研究为科学时间序列预测提供了可扩展、理论坚实的构建模块，并通过在Koopman算子理论框架内的集成，展示了其在真实气候与金融数据上的应用潜力。

  来源：Neurocomputing

  时间：2026-02-23

• 在混合领域环境中，利用协作学习和对比学习技术提升医学图像分割的效果

  半监督医学图像分割面临数据稀缺和领域偏移挑战，本文提出混合域多模型协作分割框架MDCS，通过领域特征对齐模块DFAD减少跨域特征差异，动态协作一致性机制DCC优化伪标签权重，区域差异正则化模块RDR提升预测一致性。实验验证MDCS在四个多域医学数据集上显著优于现有方法。

  来源：Neurocomputing

  时间：2026-02-23

• 综述：阿尔茨海默病诊断中深度学习技术的比较分析：趋势、挑战与未来方向

  本文是一篇全面梳理AI（尤其是深度学习）在阿尔茨海默病（AD）诊断领域应用的综述。文章系统评估了包括卷积神经网络（CNN）、深度置信网络（DBN）等在内的多种深度学习技术，深入探讨了磁共振成像（MRI）、正电子发射断层扫描（PET）等影像学模态的应用，并强调了数据预处理、性能评估指标及模型临床转化面临的挑战与未来方向。

  来源：MethodsX

  时间：2026-02-23

• 来自川芎（Ligusticum chuanxiong Hort.）的邻苯二甲酰亚胺类化合物能够保护PC12细胞免受OGD/R诱导的损伤

  川芎根茎中分离出19种香豆素类化合物，含12种新化合物及2种首报道自然产物。通过光谱分析和计算化学确定结构，发现3对对映体。化合物5对OGD/R损伤的PC12细胞具有显著神经保护活性（EC50=2.15±0.25 μM），并经分子对接和动态模拟证实与Keap1蛋白存在强结合。

  来源：Journal of Molecular Structure

  时间：2026-02-23

• 综述：神经调节在口吃治疗中的神经伦理学评估：对主体性、身份认同、同意权及社会意义的影响

  神经调控技术作为口吃治疗的辅助手段，需从沟通能力、身份真实性、知情同意及社会意义四类伦理维度综合评估。现有研究多基于医学正常化模型，强调神经机制修正，但可能加剧缺陷叙事，并影响个体自主决策能力。摘要

  来源：Journal of Fluency Disorders

  时间：2026-02-23

• 一种基于新型多任务学习的电能消耗预测方法，及其在热连轧机工艺中的应用

  电气能耗预测模型与云边端系统部署验证

  来源：Electric Power Systems Research

  时间：2026-02-23

• 面向虚拟现实应用的高保真三维网格重建：一种基于稀疏多视点点云的半监督框架

  语为了在标签数据有限的条件下，从稀疏、含噪声的多视点点云中生成适用于虚拟现实（VR）的高保真三维对象网格，李尚林和肖娟提出了一种名为“混合视图一致扩散增强重建”（HyVDAR）的新型半监督框架。该框架创新性地整合了视图一致特征传播（VCFP）、扩散增强点云补全（DAPC）和半监督网格细化（SMR）三大模块，显著降低了标注数据需求（减少60%），将倒角距离（Chamfer Distance, CD）精度提升了25%，并实现了65 FPS的实时VR渲染。此项研究为VR内容创建、游戏、数字孪生等领域提供了高效的解决方案。

  来源：Egyptian Informatics Journal

  时间：2026-02-23

• 分形记忆与深度学习：股票市场预测的新范式

  本研究聚焦金融时间序列预测难题，创新地将刻画市场长期记忆效应的滚动Hurst指数作为分形特征，融入LSTM、CNN、GRU三种深度学习架构，构建了混合预测框架。实证结果表明，集成Hurst指数的LSTM和GRU模型在S&P 500指数预测上展现出优异的样本外泛化能力，验证了融合分形分析与深度学习可显著提升预测精度与稳健性，为复杂市场建模提供了新工具。

  来源：Egyptian Informatics Journal

  时间：2026-02-23

• 基于约束神经常微分方程的结晶过程数据驱动迁移学习

  本文聚焦于数据稀缺条件下蛋白质结晶过程建模的难题。研究人员通过引入物理约束的神经常微分方程（NODE）框架，并评估层冻结、参数偏差惩罚和系统嵌入等迁移学习策略，成功提升了模型在低数据、高噪声条件下的预测准确性与物理一致性。该研究为复杂生物制造过程的可靠数据驱动建模提供了高效、可迁移的稳健框架。

  来源：Digital Chemical Engineering

  时间：2026-02-23

• UGR-MINDVOICE：一个用于公开和隐蔽性伊比利亚西班牙语语音产生的多模态脑电图（EEG）-音频数据集

  脑机接口研究新数据集：UGR-MINDVOICE包含15名西班牙语母语者同步的EEG和音频数据，涵盖显性与隐性发音任务，验证了早期ERP成分及81.4%的分类准确率，提供开放获取的神经解码资源。

  来源：Computer Speech & Language

  时间：2026-02-23

• Prevail：一个用于交通脆弱性预测的6G时空图学习框架

  针对6G智能交通系统中的实时脆弱区域预测难题，提出PREVAIL框架，通过预算感知训练、抗干扰训练和任意时间推理优化ST-GNN，结合6G数字孪生实现动态交通建模与边缘计算优化，在多个城市交通数据集上验证其预测误差低12.5%、检测准确率高15.3%，并具备低至亚秒级推理能力。

  来源：Computer Communications

  时间：2026-02-23

• 迟延惯性神经网络的钉扎脉冲控制固定时间同步研究：基于双选择策略

  这篇论文针对带有时滞的惯性神经网络(Fixed-time synchronization, FxTS)难题，创新性地提出了一种混合控制器框架（融合了连续固定时间控制与钉扎脉冲控制）。该设计避免了因符号函数引起的抖动现象，并引入了与脉冲序列相关的稳定性时间(SLT)估计方法，降低了传统方法的保守性。研究提出了动态调整钉扎节点的两种规则（随机选择与基于距离），结合李雅普诺夫稳定性理论，为相关网络的协同控制提供了更优的理论依据和实用策略。

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-02-23

• 极端和超级极端事件在耦合神经集合中通过场介导相互作用涌现的分析

  本文探讨了场介导耦合（特别是忆阻突触）如何诱导小型可兴奋神经元集合中极端事件（如类癫痫发作）的产生。研究人员通过双参数分岔分析揭示了尖峰间期中的极端和超级极端事件如何通过螺旋混沌吸引子的形成而涌现，并遵循经典的Shilnikov同宿分岔场景。这一发现为理解神经系统中病理性爆发的动力学起源提供了新见解，并为预测和控制此类事件提供了潜在策略。

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-02-23

• 用于加速天气预报的快速辐射传输神经网络

  辐射传输计算加速与WRF模型集成研究，提出快速辐射传输神经网络（RRTNN），结合神经ODE和高效计算模块，替代传统线计算模型，显著提升辐射传输计算效率。北极地区测试表明，RRTNN在保持辐射加热率精度（RMSE 0.107 K/d）的同时，使辐射计算速度提升26.5倍，并整体提升WRF模型预报速度1.5倍。

  来源：Communications in Nonlinear Science and Numerical Simulation

  时间：2026-02-23

• 结合机器学习与粒子群优化实现椭圆狭缝泰勒-库埃特流对流换热的强化

  为突破泰勒-库埃特（T-C）流在旋转机械环隙中传热性能的经验关联式局限，本研究将机器学习与优化算法相结合，通过对比四种机器学习模型的预测精度并集成粒子群优化（PSO）算法，确定了椭圆狭缝的最佳参数（缝宽11.33 mm、缝深12.48 mm、缝数12）。优化后模型的努塞尔数（Nu）相比矩形狭缝提升了17%，且预测值与实验数据仅相差2.99%，为复杂几何结构的传热优化提供了高效、精确的方法学参考。

  来源：Case Studies in Thermal Engineering

  时间：2026-02-23

• 太阳能供电直流驱动中基于FPGA的AI优化双级SEPIC-Buck变换器的先进MPPT与控制算法研究：提升动态性能与效率

  针对太阳能光伏系统输出电压不稳且传统控制方法动态响应慢的问题，本研究开展了基于现场可编程门阵列（FPGA）与人工智能（AI）算法的双级SEPIC-Buck变换器优化研究。通过集成扰动观察法（P&O）、粒子群优化（PSO）与人工神经网络-高斯赛德尔（ANN-GS）等多种算法，实现了最大功率点跟踪（MPPT）和稳定的12 V直流输出。实验结果表明，该智能控制系统可从100瓦太阳能板中提取高达94.32瓦的功率（效率约94%），并展现出优异的瞬态响应性能，为工业与汽车领域的太阳能电力转换应用提供了高效、可靠的解决方案。

  来源：Energy Conversion and Management-X

  时间：2026-02-23

• 混合专家模型：解耦式与基于物理原理的神经网络，用于锂离子电池退化建模与预测

  锂离子电池健康状态估计研究提出混合专家解耦与物理信息神经网络模型，通过解耦多物理场并嵌入物理约束损失函数，显著提升小样本场景下的模型精度和跨数据集泛化能力，实现低于1.6%的均方根误差，并增强可解释性。

  来源：Energy Storage Materials

  时间：2026-02-23

知名企业招聘：