• 面向多核系统的分解式神经网络最坏情况执行时间优化分区与分配策略

  随着机器学习技术深度融入自动驾驶、工业控制等安全关键领域，现代嵌入式系统正面临日益严峻的计算压力。为满足持续增长的计算需求，多核架构凭借其并行处理能力成为主流选择。然而，复杂内存子系统的引入在提升效率的同时，也带来了时序可预测性的重大挑战——特别是当神经网络等计算密集型模型被部署到实时系统中时，其密集的数据依赖性和非局部内存访问会导致最坏情况执行时间（WCET）分析变得异常困难。传统单体神经网络虽然功能强大，但其层间紧密耦合的特性严重限制了并行化潜力。每当数据需要在不同核心间传输时，缓存未命中带来的延迟惩罚会显著增加WCET的不确定性。这种时序特性的波动对于安全关键系统而言是不可接受的，因为它

  来源：IEEE Embedded Systems Letters

  时间：2025-11-28

• 针对具有传感器攻击的随机非线性系统的神经网络自适应事件触发控制

  摘要：本文研究了在遭受传感器攻击的随机非线性系统中，基于自适应神经网络（NN）的事件触发安全控制问题。神经网络用于识别未知的非线性动态，并建立了一个神经网络状态估计器来解决由于状态无法测量而产生的问题。同时提出了一个神经网络观测器来估计未知的传感器攻击信号。为了节省有限的通信资源并减少控制器更新次数，引入了事件触发控制（ETC）方案。然后，通过反向步进控制方法设计了一种自适应神经网络事件触发安全控制算法。实验结果表明，在传感器攻击下，该控制系统具有稳定性，并且跟踪误差能够持续收敛。最后，仿真验证了所研究理论的有效性。引言近年来，随机非线性系统在非线性系统领域中成为一个特殊且重要的研究方向。与确

  来源：IEEE Transactions on Computational Social Systems

  时间：2025-11-28

• TDG-Mamba：一种基于双向信息传播的高级时空嵌入技术，用于时序动态图的学习

  摘要：时间动态图（TDGs）用于表示实体及其关系随时间的动态演变，同时包含复杂的时间特征，在各种现实世界领域中得到广泛应用。现有方法通常依赖Transformer和图神经网络（GNNs）等主流技术来捕捉TDGs的时空信息。然而，尽管这些方法具有先进的功能，但它们往往面临较高的计算复杂性和有限的捕捉时间动态上下文关系的能力。最近，出现了一种名为mamba的新模型架构，该架构以其捕捉序列中复杂依赖关系的能力而著称，同时显著降低了计算复杂性。在此基础上，我们提出了一种名为TDG-mamba的新方法，该方法将mamba集成到TDG学习中。TDG-mamba通过专门设计的时空先验分词模块（SPTM）将深

  来源：IEEE Transactions on Computational Social Systems

  时间：2025-11-28

• 利用贝叶斯神经网络和贝叶斯优化技术进行碳纳米管互连结构优化

  摘要：随着铜互连技术在物理极限附近的发展以及技术的持续进步，碳纳米管（CNT）互连因其优异的导电性能而成为一种有前景的替代方案。然而，由于制造工艺的不成熟，导致了实际性能与理想性能之间存在显著差异。本文提出了一种新的方法来优化考虑工艺变化的CNT互连。首先，我们开发了一个参数化的CNT互连模型，该模型能够考虑工艺变化。利用这个模型，我们提出了一个贝叶斯神经网络（BNN），通过利用其固有的不确定性来预测性能分布。然后，我们引入了一个贝叶斯优化框架，该框架利用BNN的后验概率来联合优化互连参数和缓冲区插入，目标是考虑工艺变化的面积-延迟积（ADP）。实验结果证明了我们方法的有效性。所提出的BNN模

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

  时间：2025-11-28

• 基于生成对抗网络数据增强的原始语音波形时间序列分类在帕金森病检测中的创新研究

  在神经退行性疾病领域，帕金森病(Parkinson's Disease, PD)已成为仅次于阿尔茨海默病的第二大常见疾病，全球患者人数超过1000万。随着人口老龄化趋势加剧，PD的患病率持续攀升，但临床诊断仍面临重大挑战——目前缺乏可靠的生物标志物和标准化诊断工具，医生主要依靠临床症状观察和主观评估进行诊断，这个过程往往需要数月甚至数年时间，且容易受到主观判断影响。值得注意的是，约90%的PD患者会出现言语障碍症状，即使在疾病早期阶段也会表现出发声异常，这种症状统称为运动减少性构音障碍(hypokinetic dysarthria)。患者可能表现出音量降低、声音嘶哑、单调语音、发音不准确等特征

  来源：IEEE Open Journal of the Computer Society

  时间：2025-11-28

• 基于大规模忆阻器的交叉阵列的神经元电路设计与信号完整性分析

  摘要：本文探讨了标准芯片在处理大规模数据集时的局限性，并利用神经形态架构（尤其是脉冲神经网络（SNN）来模拟生物大脑的脉冲信号，从而提高能效和性能。首先，我们基于“积分-触发”（IF）神经元模型开发了一种互补金属氧化物半导体（CMOS）电路，该电路能够生成具有神经元典型时空动态特性的脉冲信号。这种方法为神经形态芯片设计提供了新的视角。接下来，我们引入了部分元件等效电路（PEEC）方法，为忆阻器交叉阵列建立了单元电路模型，考虑了所有电阻-电感-电容（RLC）寄生耦合效应。这一模型使得信号完整性（SI）分析成为可能，有助于更深入地理解忆阻器交叉阵列内的信号传输机制，并为优化神经形态芯片性能奠定了基

  来源：IEEE Transactions on Components, Packaging and Manufacturing Technology

  时间：2025-11-28

• 三维异构集成神经形态芯片中神经元信号的信号完整性分析与辐射防护设计

  摘要：基于脉冲神经网络（SNNs）的神经形态芯片与传统的人工神经网络芯片不同，它们将信息编码为脉冲序列。这些独特的脉冲信号在三维封装中引入了与信号完整性（SI）和电磁辐射相关的新挑战。在本文中，我们对三维封装中的硅通孔（TSVs）和重分布层（RDLs）的结构进行了建模，并分析了三维封装结构参数对脉冲信号传输特性的影响。研究结果表明，在适当的范围内，RDL的长度、硅基板的导电性以及TSV的半径和间距会增加脉冲信号的波形失真和信号损失。此外，高频结构仿真（HFSS）结果显示，当两个脉冲信号通过相邻的TSV-RDL路径传输时，它们之间的串扰非常小。然而，当脉冲信号和数字信号通过相邻的TSV-RDL路

  来源：IEEE Transactions on Components, Packaging and Manufacturing Technology

  时间：2025-11-28

• NOMA：一种用于基于3D集成电路的神经形态系统的新型可靠性改进方法

  摘要：硬件是所有实时应用程序信任的基础，在人工智能（AI）中尤为重要。随着AI在各种任务中的应用日益广泛，人们对硬件的可靠性产生了担忧。大量研究表明，由制造过程或设备差异引起的硬件故障会显著影响AI应用的精度和准确性。尽管基于三维集成电路（3D IC）的尖峰神经网络（SNN）具有抗噪声、低功耗和低内存占用等优点，但这一问题同样存在。这是因为除了上述硬件故障外，3D IC上的热量散发还可能对上层芯片上的内存产生负面影响。因此，本文提出了一种称为“内存网络架构”（NOMA）的方法，通过用低优先级的权重替换高优先级层中的有缺陷的关键突触权重来提高基于3D IC的SNN的可靠性。该方法在多种基于逻辑的

  来源：IEEE Transactions on Components, Packaging and Manufacturing Technology

  时间：2025-11-28

• REE-TM：适用于多样化云工作负载的可靠且节能的流量管理模型

  摘要：工作负载需求的多样性对云服务的资源高效分配和管理具有重要影响。现有文献要么对来自各种互联网服务用户的作业请求的异构特性考虑不足，要么完全忽略了这一特性。为了解决这一问题，提出了一种名为“可靠且节能的流量管理”（Reliable and Energy Efficient Traffic Management，REE-TM）的方法，该方法利用了互联网流量的多样性，包括资源需求的变化和预期的复杂性。具体而言，REE-TM通过对异构作业请求进行分类，并在云基础设施中选择最合适的虚拟节点（如虚拟机或容器）和物理节点（实际的硬件服务器或计算主机）来执行这些请求。为了应对基于资源竞争的资源故障和性能下

  来源：IEEE Transactions on Cloud Computing

  时间：2025-11-28

• FRNeRF：融合正则化场实现动态场景的高质量时空视图合成

  在虚拟现实、体育赛事分析和影视特效制作等领域，从单目视频生成动态场景的新视角图像是一项极具挑战性的任务。传统方法通常需要昂贵的多视角相机系统或特殊硬件设备，而基于单目视频的方法往往因动态物体的快速运动、深度信息不准确等问题，导致合成图像出现伪影和模糊现象。特别是当场景中同时存在静态和动态物体时，如何保持时空一致性成为技术难点。现有动态神经辐射场方法（如NSFF）虽然通过分离静态和动态区域的神经辐射场来提升合成质量，但其依赖的3D场景流场存在深度估计误差，容易在快速运动区域产生像素错位。此外，传统的分层采样策略在训练过程中难以获取足够的采样点，进一步限制了动态场景的建模能力。针对这些挑战，天津大

  来源：Computational Visual Media

  时间：2025-11-28

• 基于鲁棒零化神经网络的未知异构非线性多智能体系统数据驱动迭代学习一致性跟踪控制

  在智能系统协同控制领域，多智能体系统（MASs）的协同作业能力已成为实现复杂任务的关键技术。无论是无人机编队飞行、智能电网调度还是自动驾驶车队协同，都要求多个智能体在缺乏集中指挥的情况下实现步调一致的行动。然而现实应用中，智能体往往存在动态特性未知、非线性强度高、个体差异显著等挑战，更棘手的是执行器输入饱和、测量噪声干扰等实际问题常常导致控制算法失效。传统模型驱动控制方法依赖于精确的物理建模，而面对高度不确定的异构非线性系统时往往力不从心。特别是在需要重复执行任务的场景中，如工业生产线上的机械臂协同作业，如何让智能体通过多次迭代学习逐步提升跟踪精度，同时克服输入约束和噪声影响，成为制约技术落地

  来源：IEEE/CAA Journal of Automatica Sinica

  时间：2025-11-28

• KnowZRel：基于常识知识的零样本关系检索实现广义场景图生成

  视觉推理作为人工智能的核心能力，其性能高度依赖于对图像内容的结构化理解。场景图生成(Scene Graph Generation, SGG)技术通过将图像解构为以目标为节点、关系为边的图结构，为高阶视觉任务提供语义支撑。然而现有SGG方法面临根本性挑战：视觉基因组(Visual Genome, VG)等基准数据集存在关系谓词的严重长尾分布，导致模型过度拟合高频泛化关系（如"on"、"has"），而忽视具有实际意义的特定关系（如"riding"、"wearing"）。这种数据偏差极大限制了模型对未见过关系的泛化能力，特别是在零样本场景下。针对这一瓶颈，M. Jaleed Khan团队提出Know

  来源：IEEE Transactions on Artificial Intelligence

  时间：2025-11-28

• 针对异构电动垂直起降（eVTOL）飞机配送车队的、考虑电池性能下降因素的车辆路径规划问题

  随着低空经济时代的到来，电动垂直起降飞行器（eVTOL）在物流领域的应用场景不断扩展。这类飞行器凭借其无地面交通限制、快速直达等优势，正在重塑城市末端配送模式。然而，作为核心能源单元的锂离子电池健康状态动态变化，却在这一过程中被长期忽视。传统路径规划模型将重点放在最短路径和载重优化上，却未考虑到电池退化对运营成本和系统可靠性的累积影响。现有研究主要存在三个维度缺陷：其一，多数物流配送模型将电池视为恒定容量资源，未建立电池健康状态（SOH）随使用时间、环境条件、负载变化的三维退化模型。其二，路径优化与电池管理缺乏协同机制，导致不同飞行器间电池退化速率差异超过40%，显著提高后续维护成本。其三，传

  来源：ENERGY CONVERSION AND MANAGEMENT

  时间：2025-11-28

• 综述：脊髓损伤修复中的前沿整合：工程驱动的机制探索与临床转化的新范式

  脊髓损伤（Spinal Cord Injury, SCI）是一种导致中枢神经系统严重功能障碍的创伤性疾病，其核心病理特征包括机械性损伤引发的神经元丢失和继发性炎症、氧化应激及纤维化反应形成的抑制性微环境。近年来，工程学技术与传统医学的交叉融合为SCI修复开辟了全新路径，涵盖神经调控、生物材料、细胞治疗及基因疗法等多个领域。本文系统梳理了SCI的病理生理机制，并重点分析了工程学驱动的创新疗法在转化医学中的进展与挑战。### 一、SCI的病理生理机制与治疗瓶颈SCI的病理进程可分为急性期、亚急性期和慢性期三个阶段。急性期（损伤后数小时至数天）以血脑屏障（BSCB）破坏、炎症因子风暴和氧化应激为核心

  来源：Engineering

  时间：2025-11-28

• 膝关节骨关节炎患者在行走任务中改变的肌肉协同作用，在佩戴外翻支具进行六周的干预后仍然持续存在

  该研究系统探讨了膝关节炎（KOA）患者使用侧向支撑矫形器（Valgus Brace, VB）对肌肉协同作用及关节动力学的影响，为临床干预提供了新视角。研究选取40名参与者（KOA组20人，对照组20人），涵盖平地行走、上下坡及上下楼梯三种运动模式，采用纵向干预设计（6周VB佩戴），结合表面肌电（sEMG）与运动捕捉技术，重点分析肌肉协同作用模式及其动态变化。### 研究背景与核心问题KOA作为全球性退行性疾病，以膝关节内侧软骨损伤为特征，其机械负荷异常与中枢神经系统调控紊乱密切相关。现有证据表明，KOA患者存在肌群协同作用异常，表现为伸肌-屈肌共激活现象，可能加剧膝关节接触力并加速病情进展。然

  来源：Gait & Posture

  时间：2025-11-28

• 具有社区环境意识的对比聚类

  在机器学习与数据科学领域，对比聚类作为连接自监督表示学习与无监督聚类的重要方法，近年来受到广泛关注。传统聚类算法如K均值、谱聚类和层次聚类虽然在特定场景下表现良好，但在处理高维稀疏数据、复杂结构数据以及大规模数据集时面临显著挑战。这些方法不仅难以捕捉高维数据中的潜在结构特征，还容易受到参数选择敏感性和噪声干扰的影响，导致聚类结果的鲁棒性不足。因此，探索能够有效融合样本间语义信息的聚类新范式成为研究热点。对比聚类通过构建正负样本对来优化特征空间分布，其核心在于如何高效整合样本的上下文语义信息。现有研究如CCES（Yin等，2023）和NNCLR（Dwibedi等，2021）虽然引入了邻居样本信息

  来源：Expert Systems with Applications

  时间：2025-11-28

• 情感调节障碍、解离现象与复杂的神经网络：两种探索性的中介模型

  该研究聚焦于情感失调、解离症状与大规模神经网络功能之间的动态关联，通过构建双向中介模型揭示三者间的复杂作用机制。研究基于临床心理学与神经科学的双重视角，整合了情感调节理论和大尺度脑网络理论，为理解解离性障碍的神经生物学基础提供了新视角。**核心发现与理论框架**研究提出两个互补的中介模型，构建了从心理状态到神经功能再到解离症状的双向作用路径。在模型一中，心理 distress通过诱发解离症状（尤其是去个性化/去现实化反应）间接导致神经网络功能障碍。模型二则显示，DMN和AHMN的功能失调作为中介变量，将心理 distress转化为解离现象，而心理 well-being通过增强DMN-AHMN网

  来源：European Journal of Trauma & Dissociation

  时间：2025-11-28

• 改进的神经网络自动化设计方法，用于提高石化生产过程的能源利用效率并减少碳排放

  该研究聚焦于石化工业中乙烯产量的精准预测与能效优化问题，针对传统模型参数调优效率低、抗干扰能力弱以及深度学习模型结构复杂等痛点，提出了一套集成化的神经网络自动设计方法（NNADM）。研究团队来自北京化工大学信息科学与技术学院，通过整合参数优化算法与自适应损失函数设计，显著提升了乙烯产量的预测精度与模型的工程适用性。在技术路线设计上，研究首先创新性地构建了动态加权损失函数体系。该体系通过融合均方误差（MSE）与对数双曲函数（Log-Cosh）的优势，在常规误差最小化基础上引入异常值自适应抑制机制。具体而言，MSE函数能有效捕捉过程变量间的线性关系，而Log-Cosh函数则通过其双曲余弦特性对极端

  来源：Chinese Journal of Chemical Engineering

  时间：2025-11-28

• 神经性厌食症与暴食症的反转学习神经机制：前额叶与腹侧纹状体功能异常研究

  当一个人反复进行自我伤害的进食行为时，我们常常会追问：为什么他们难以改变这种明显有害的行为模式？神经性厌食症（AN）和暴食症（BN）作为两种典型的进食障碍，不仅导致严重的身体健康问题，更伴随着高达普通人群9倍的死亡风险。尽管现有治疗方法取得了一定成效，但其效果仍有限，这促使科学家们将目光投向认知神经机制层面，试图从大脑运作方式中找到突破口。认知灵活性缺陷被认为是进食障碍的核心特征之一，而反转学习（Reversal Learning， RL）作为衡量个体根据环境反馈调整行为能力的重要指标，近年来受到越来越多关注。想象一下，当你在迷宫中不断碰壁后突然发现出口方向改变，能否快速调整路线？这种能力正是

  来源：COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE

  时间：2025-11-28

• 采用混合深度学习方法、可解释人工智能（Explainable AI）以及“饥饿游戏”优化算法进行能源消耗预测

  本研究聚焦于能源需求预测领域的创新方法探索，通过整合深度学习与传统机器学习技术，构建了具有解释性的混合预测模型。在PJM电力传输区域四个监测站（Dayton、Jersey、Metropolitan、Pennsylvania）的480小时时序数据基础上，研究团队针对建筑、工业及交通三大高耗能领域，系统性地验证了混合模型的预测效能。在方法论层面，研究创新性地将卷积神经网络（CNN）与传统机器学习算法进行有机融合。具体而言，CNN负责提取高维时空特征，而梯度提升机（GB）与随机森林（RF）则通过集成学习机制捕捉非线性关系。这种双路径协同机制既保留了深度学习对复杂模式识别的优势，又继承了传统机器学习在

  来源：Sustainable Computing: Informatics and Systems

  时间：2025-11-28

知名企业招聘：