• 基于岭回归布尔规则感知预测的可解释人工智能模型研究

  本文提出了一种创新的可解释人工智能（XAI）方法RBBR，通过岭回归模型对特征组合（conjunctions）进行拟合，从回归系数符号中推导布尔规则集。该方法突破了传统黑箱模型（如DNNs）的 interpretability 瓶颈，在医疗诊断等关键决策场景中实现了预测精度与可解释性的平衡。其独特的贝叶斯信息准则（BIC）模型筛选机制和分层规则推导策略，为生命科学领域的复杂调控网络解析提供了新范式。

  来源：Neurocomputing

  时间：2026-02-10

• 速度：基于结构化内核块剪枝和滤波器组的算法，实现FPGA架构下CNN加速器中高效且灵活的软硬件协同设计

  硬件感知的FPGA加速器结构剪枝方法SPEED，通过PU对齐的核块剪枝与自适应核合并技术，在ResNet18/50和YOLACT模型中实现57.9%-73.2%参数剪枝，44.6%-66%浮点运算减少，保持Top-1精度仅下降0.94%-1.20%，FPGA加速器上FPS提升42.2%，功耗降低42.7%。

  来源：Neurocomputing

  时间：2026-02-10

• SGSSA：用于脉冲神经网络的时空粒度阈值脉冲自注意力机制

  脉冲神经网络中的多阈值自注意力机制与时空建模优化

  来源：Neurocomputing

  时间：2026-02-10

• MPFNet：一种基于Mamba网络的渐进式融合网络，用于RAW-RGB协同去模糊处理

  摩尔纹去除、RAW-RGB协作、多尺度特征融合、Mamba模块、全局感受野优化

  来源：Neurocomputing

  时间：2026-02-10

• CBERR：基于社区的有效抵抗图重构方法

  提出基于社区结构的图重连算法CBERR，通过分治策略优化全局特征对齐和局部有效电阻最小化，解决图神经网络中的过平滑、过挤压和未覆盖问题。实验证明其优于现有方法，且计算成本更低。

  来源：Neurocomputing

  时间：2026-02-10

• 基于区间二型模糊神经网络(IT2FNN)的随机非线性系统有限时间跟踪控制

  本文针对一类受随机干扰的非线性系统，提出一种基于区间二型模糊神经网络（IT2FNN）的自适应有限时间跟踪控制策略。通过结合改进反步法（backstepping）与李雅普诺夫稳定性理论，设计控制器并利用积分中值定理构建有限时间稳定性判据，有效解决了非线性函数完全未知场景下的轨迹跟踪问题，为实际工程中抗随机干扰的快速收敛控制提供了新思路。

  来源：Neurocomputing

  时间：2026-02-10

• 基于重构误差的半监督异常检测：利用少量标注异常提升深度学习模型性能

  针对传统基于重构误差的深度学习方法在异常检测中常因过度拟合而“学会”重构异常数据导致性能下降的难题，意大利卡拉布里亚大学的研究团队提出了一种名为AE-SAD的新型半监督自编码器框架。该工作创新性地设计了一种全新的损失函数，强制模型将已知的异常样本重构为其自身的“负像”或指定变换形式，从而显著增大正常与异常样本重构误差之间的差距。实验表明，该方法在包括表格数据和图像在内的多种基准测试中，其检测性能均超越了标准的自编码器及主流深度半监督异常检测技术，并在训练集被异常污染或测试异常分布与训练集不同的更具挑战性的场景下，仍展现出优越的鲁棒性与泛化能力，为现实世界中仅有少量标注异常样本的应用场景提供了高效解决方案。

  来源：Neurocomputing

  时间：2026-02-10

• CDadam：一种用于物理信息神经网络的中心差分Adam算法

  提出中心差分Adam算法（CDadam），通过替换Adam的一阶前向差分为高精度中心差分，解决梯度估计偏差问题，理论证明其收敛性并验证在PINNs中应用效果优于Adam等主流优化器，提升模型精度和鲁棒性。

  来源：Neurocomputing

  时间：2026-02-10

• ConsistEAE：通过语言上一致的演示来提升低资源事件论据提取的效率

  事件论元抽取低资源场景下，提出ConsistEAE方法，通过语义一致性（AMR驱动的全局-局部交互表示学习）和句法一致性（树编辑距离评估依赖树结构）双重指标优化LLM演示选择，在ACE2005-EN和EN+数据集上分别提升1.63%和2.15%的Arg-I F1，以及2.15%和2.29%的Arg-C F1。

  来源：Neurocomputing

  时间：2026-02-10

• 从全面覆盖到组合复杂性：大型语言模型中战略推理的博弈论评估

  战略推理能力评估基准构建及大型语言模型表现分析，提出TMGBench覆盖144种经典博弈类型，通过合成故事场景和层次化复杂结构评估LLMs，发现模型在原子博弈中准确率超90%但复杂组合骤降至20%以下，揭示架构性缺陷。

  来源：Neurocomputing

  时间：2026-02-10

• 奥丁（Odin）：一种面向文本丰富的网络表示学习的双模块集成方法

  文本属性图（TAG）建模需同时融合节点文本语义与多跳图结构信息。现有方法存在结构注入僵硬、多跳信息利用不足等问题。本文提出Odin框架，通过层级双模块机制在Transformer不同语义层精准注入结构信息：在浅层语义层注入低阶结构抽象（如1-2跳邻居聚合），中层语义注入中阶结构（如3-5跳聚合），深层语义注入高阶结构（如6跳以上全局信息）。同时设计轻量化变体Light Odin，在保持结构-语义对齐的前提下将参数规模和推理成本降低60%。实验表明Odin在5个真实数据集上超越现有基线，且Light Odin在效率与性能间取得平衡。

  来源：Neurocomputing

  时间：2026-02-10

• Semaglutide针对超重或肥胖成人左侧颞叶的神经保护作用：一项为期24周的多模态神经影像学研究

  本研究评估了司美格鲁肽对肥胖/超重成人脑结构和功能的影响。通过24周每周1mg司美格鲁肽干预，结合代谢指标（血糖、血脂、炎症细胞）和神经影像学评估（灰质体积、低频振荡、区域同质性），发现左侧颞叶灰质体积增加及功能指标改变，且与代谢改善无显著相关性。结论显示司美格鲁肽独立于代谢效应产生颞叶神经重塑，提示其神经保护潜力。

  来源：DIABETES OBESITY & METABOLISM

  时间：2026-02-10

• 结构导向设计与合成选择性丁酰胆碱酯酶抑制剂

  本刊推荐：针对阿尔茨海默病现有胆碱酯酶抑制剂疗效有限的问题，研究人员通过结构导向设计开发新型苯并咪唑类选择性BChE抑制剂。先导化合物5IIa6展现对人源BChE的微摩尔级抑制活性（IC50=5.9 μM），兼具血脑屏障高渗透性和低细胞毒性，为AD治疗提供了新策略。

  来源：Journal of Molecular Structure

  时间：2026-02-10

• 基于共振隧穿二极管的光子脉冲神经形态处理与记忆系统研究

  这篇综述系统阐述了共振隧穿二极管（RTD）在光子神经形态计算中的创新应用。作者通过实验与仿真证明，光敏RTD神经元可实现多模态（光子-电子）高速边缘检测（>GHz），构建的脉冲神经网络（pSNN）在复杂数据集分类中准确率达96.5%，并首次提出可调谐光子脉冲记忆系统，为下一代低功耗、高带宽神经形态硬件提供了新范式。

  来源：Advanced Intelligent Systems

  时间：2026-02-10

• 综述：辅助运动区：改善言语产生的有前景的神经调控靶点

  本文系统回顾了辅助运动区（SMA）在言语产生中的关键作用及其作为非侵入性神经调控（如rTMS、cTBS、HD-tDCS）靶点的潜力。SMA整合认知、语言与运动信号，协调言语运动规划、时序和启动；其功能障碍与口吃、帕金森病等言语障碍密切相关。综述强调通过兴奋性或抑制性调控SMA可改善言语运动功能，为未来治疗研究提供新方向。

  来源：Journal of Communication Disorders

  时间：2026-02-10

• 多模态AI融合提升城市基础设施韧性：面向SDG-9的实时城市分析框架

  本综述提出了一种结合长短期记忆网络（LSTM）与图神经网络（GNN）的多模态人工智能（AI）融合框架，用于实时评估城市基础设施韧性。该框架通过动态韧性评分指数（RSI）实现异常检测与情境感知决策，并在新加坡、金奈和鹿特丹的跨城市验证中展现出优于传统模型（如ARIMA、随机森林）的性能（F1分数提升显著，p<0.05），为落实可持续发展目标9（SDG-9）提供了可扩展的技术路径。

  来源：Frontiers in Artificial Intelligence

  时间：2026-02-10

• 基于图神经网络的智能教学系统在高校个性化学习与教育管理中的优化研究

  本研究针对传统教育模式难以适应学习者多样化需求的痛点，提出了一种结合知识动态模型（KDM）与自适应知识强化策略（AKRS）的图神经网络框架。通过将课程内容构建为有向无环图（DAG），实现学习路径个性化定制与动态调整。实证表明该框架显著提升学习者参与度15.3%，为高校智慧教育管理提供了数据驱动的解决方案。

  来源：IEEE Access

  时间：2026-02-10

• 基于离散小波变换与径向基函数神经网络的模块化多电平变换器IGBT短路故障在线诊断研究

  本文针对模块化多电平变换器(MMC)中IGBT短路故障诊断难题，提出了一种结合离散小波变换(DWT)与径向基函数神经网络(RBFNN)的混合诊断方法。研究团队通过DWT分解电容电压信号并提取细节系数均方根值作为特征，利用RBFNN实现故障类型与位置的精准识别。仿真结果表明该方法具备快速可靠、准确诊断的优势，为MMC系统安全稳定运行提供了重要技术支撑。

  来源：IEEE Access

  时间：2026-02-10

• 基于解耦表征图信息最大化的视频检索方法DRGI及其应用

  本文针对视频检索中因视频-文本信息不对等导致的硬负样本挑战，提出模型无关框架DRGI。通过构建解耦表征的全连接图并利用Deep Graph Infomax优化，显著提升CLIP基模型性能，在四大数据集上R@1最高提升2.3%，且训练参数量仅增0.05%。该研究为多模态对齐提供了新思路。

  来源：IEEE Access

  时间：2026-02-10

• 服务计算新视野：人工智能时代下的领域重构与可复现性挑战

  作为新任主编，我推荐关注服务计算领域在AI变革中的重新定位。研究聚焦生成式工具与机器学习如何重塑传统服务架构，通过设立可复现性编辑岗和明确期刊范围，推动实证科学转型，这对维持TSC领先地位具有关键意义。

  来源：IEEE Transactions on Services Computing

  时间：2026-02-10

知名企业招聘：