• MGSR：多粒度选择与重构技术在多模态异常情感检测中的应用

  提出MGSR框架解决多模态异常情感检测中的固定时间步对齐问题，动态划分视频、音频、面部模态粒度，结合交叉注意力机制和GAAM增强模型对异常情感的识别能力，在HateMM和MUStARD数据集上表现最优。

  来源：Neurocomputing

  时间：2026-03-16

• 自适应邻域粗糙集模型中针对异构数据的区间值测试成本敏感特征选择

  针对异构数据中测试成本难以精确量化的问题，本文提出基于自适应邻域粗糙集的区间值测试成本敏感特征选择方法，通过数据驱动的参数自适应邻域半径设计解决传统方法固定半径的局限性，结合区间概率度排名方法量化不确定成本，构建特征重要性评估函数，设计启发式算法平衡分类性能与测试成本，并开发新评估指标验证效果，实验表明该方法在高风险场景中表现优异。

  来源：Neurocomputing

  时间：2026-03-16

• 基于深度神经网络的自动化变压器设计，用于多级宽带毫米波功率放大器

  提出一种基于深度神经网络的自动化1:1变压器设计流程（DNN-ATD），用于多级宽带毫米波功率放大器（PA），通过代理电磁求解器和饱和输出功率预测模型显著缩短设计周期。测试表明在130nm SiGe工艺下，设计的PA实现了20-60GHz和40-100GHz频段的高性能指标。

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2026-03-16

• 基于交通流量与机器学习的OD矩阵估计：一种模拟数据驱动的高精度新方法

  本文针对缺乏公开大数据的OD矩阵估计难题，研究人员利用交通模拟（SUMO）生成合成数据集，并通过机器学习模型（如ANN+SVR混合模型）进行高精度预测。研究表明，机器学习方法显著优于传统模拟工具DFRouter，为交通规划与事故预防提供了更可靠的数据基础。

  来源：IEEE Access

  时间：2026-03-16

• 限时睡眠对空手道精英运动员认知与体能表现的影响：一项随机交叉研究

  这篇研究通过随机交叉设计，揭示了单晚睡眠限制（4小时 vs. 8小时）如何显著损害精英空手道运动员的执行功能、反应时、下肢爆发力、敏捷性和专项有氧耐力，强调了充足睡眠是保障格斗运动员竞技表现与降低损伤风险的核心要素。

  来源：Medical Care

  时间：2026-03-16

• 通过脑岛的神经反馈训练来提升神经反馈表现中的自我认知能力——一项可行性研究

  实时fMRI神经反馈研究显示，10名健康志愿者通过心率计数任务成功定位岛叶，但梯度反馈未能区分激活强度，自我评估与实际激活仅呈弱相关，表明岛叶活动自我意识机制存在局限。

  来源：Neuropsychologia

  时间：2026-03-16

• 具有几何感知能力的、依赖于视图的3D超声隐式表示重建

  3D超声场景通过二维超声图像重建的研究，提出基于隐式神经表示的几何感知方法，结合物理渲染模型和多尺度哈希编码提升反射与散射的区分能力，实验验证了高几何精度和物理属性估计优势。

  来源：Neurocomputing

  时间：2026-03-16

• 基于色谱条件的有机化合物结构与荧光关系多变量建模：概念验证研究

  虽然荧光提供宝贵的分析信息，但其理论解析仍具挑战。为探究荧光响应的内在机制，研究人员利用多元建模方法，对117种化合物在RP‑HPLC‑FLD条件下的荧光行为进行了系统研究。通过PLS和ANN模型，该研究明确了影响荧光强度的关键理化性质与结构描述符，并成功预测未知分子的荧光信号，为色谱条件下荧光行为的理论预测提供了实验支撑和计算框架。

  来源：Journal of Chromatography Open

  时间：2026-03-16

• 基于时序多关系图神经网络的联邦学习恶意客户端检测新范式

  针对联邦学习（FL）实际部署中存在的恶意客户端行为不可预测、发动协同延时攻击、并利用非独立同分布（non-IID）数据异质性隐匿攻击行为等安全挑战，TMRGNN研究将FL安全问题重新构想为一个多视图时序推理问题。该研究构建了参数、梯度、预测和通信四种互补的关系图，并利用图注意力机制从良性异质性中区分微弱的恶意信号，同时通过时序特征引擎和GRU融合层捕捉长时间范围的对抗漂移。在多项实验中，该方法对早期攻击实现了100%召回率，对30%恶意客户端下的协同延时攻击召回率达0.91-0.97，并能够有效识别极难检测的慢漂移攻击。该工作证明了时序多关系图学习是保护下一代联邦学习系统的一种高效范式。

  来源：IEEE Open Journal of the Communications Society

  时间：2026-03-16

• 用于神经视频压缩的双尺度变换器及可变比特率同步技术

  神经视频压缩通过改进自注意力机制和跨门控前馈网络提升编码效率，采用变量比特率同步策略优化训练，实验显示性能优于现有SOTA方法和H.266/VVC标准。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-03-16

• 基于RGB事件混合双目相机的深度估计

  深度估计方法研究基于RGB事件双目相机，提出多尺度相似特征融合模块和局部disparity回归方法，解决传统RGB双目深度估计的挑战，实验验证优于现有方法。

  来源：Neurocomputing

  时间：2026-03-16

• 在噪声高斯混合模型中改进聚类质量评估

  提出特征重要性重标（FIR）方法，通过调整高维或噪声数据集中特征权重，增强聚类验证指标（如平均轮廓宽度、Calinski-Harabasz、Davies-Bouldin）与真实标签的相关性，实验证明FIR在提升评估鲁棒性和减少性能波动方面效果显著。

  来源：Neurocomputing

  时间：2026-03-16

• 10×10非晶InGaZnO忆阻器交叉阵列的特性研究及其在1T1M集成中的二进制神经网络性能表现

  本研究通过Mo/Al2O3/IGZO/Pd多层结构制备了10×10 a-IGZO被动交叉阵列及TFT，验证了a-IGZO作为1T1M统一材料平台的可行性。器件实现>1000 on/off比，500+循环耐久性，1V读取下稳定双极开关特性，并通过SPICE模拟验证主动矩阵配置的读取余量优势，为神经形态硬件开发提供新方案。

  来源：IEEE Transactions on Electron Devices

  时间：2026-03-16

• 图神经网络赋能5G网络智能预测性维护：从空间相关性建模到可靠服务保障

  5G无线链路在恶劣天气下易中断，影响服务质量和运营商目标。研究人员针对传统方法难以处理极端类别不平衡和空间依赖性的问题，开展了基于图注意力网络（GAT）的智能预测性维护研究。他们利用来自土耳其Turkcell的真实运营商数据集，构建了天气足迹图来建模站点间的空间依赖，实现了对无线链路故障的精准预测，模型F1分数达0.717，优于多种基线。这项研究为通信网络的高可靠性运维提供了创新的智能决策工具。

  来源：IEEE Access

  时间：2026-03-16

• 基于临床与手术因素的唾液腺腺泡细胞癌SEER生存列线图：个体化预后预测模型的构建与验证

  文章推荐本综述聚焦于唾液腺腺泡细胞癌（AcCC），针对其复发、转移与死亡风险，首次利用美国SEER数据库大样本数据，构建并验证了一个整合年龄、性别、TNM分期及手术类型等临床因素的列线图（nomogram）模型。该模型在预测患者3年与5年总生存期（OS）方面表现出色（C指数0.824，AUC>0.8），为临床医生提供了一种量化、个体化的预后评估工具，有助于优化治疗决策与患者管理。

  来源：Medical Care

  时间：2026-03-16

• 综述：莫达非尼治疗发作性睡病日间过度嗜睡的更新系统综述和Meta分析

  本文对莫达非尼治疗发作性睡病日间过度嗜睡（EDS）的随机对照试验进行了方法学更新的系统综述和Meta分析，证实了其在提高觉醒维持测试（MWT）和降低爱泼沃斯嗜睡量表（ESS）评分方面的短期有效性。然而，近十年缺乏新的合格随机试验，长期疗效和安全性仍有待确立，凸显了进行大规模长期随机试验的必要性。

  来源：Sleep Medicine: X

  时间：2026-03-16

• 利用SqueezeViT和UAVDisaster36K基准测试，提升灾害事件航空图像分类的效率和准确性

  无人机灾害识别的轻量级模型与评估指标研究。针对大型 inaccessible 区域实时灾害识别的需求，本研究构建了覆盖地震、火灾、洪水等灾害类型的 UAVDisaster36K 大规模数据集，并评估了轻量级CNN和Vision Transformer在Jetson设备上的性能。提出PMF综合评分指标，平衡准确率、推理速度和内存占用，设计SqueezeViT混合模型，在5折交叉验证中达到88.08%准确率，参数量仅0.68M，优于现有基线模型。

  来源：Neurocomputing

  时间：2026-03-16

• 适用于大规模互联系统的自适应进化逆强化学习

  针对大规模互联系统存在子系统模型不准确和强耦合的问题，提出基于进化逆强化学习的分散控制框架。通过逆强化学习从局部专家数据中重构子系统成本函数，结合进化算法进行全局优化，解决传统方法易陷入局部最优和计算复杂度高的难题，并验证了算法收敛性和系统稳定性。

  来源：Neurocomputing

  时间：2026-03-16

• 面向6G医疗物联网的混合CNN-BiLSTM网络攻击检测框架

  随着IoMT（医疗物联网）与6G（第六代移动通信技术）在医疗领域的融合，其面临的安全挑战日益严峻。为解决IoMT网络因异构性导致的传统安全机制不足问题，研究人员提出了一种基于1D-CNN-BiLSTM（一维卷积神经网络-双向长短期记忆网络）的混合入侵检测系统（IDS），旨在通过捕捉网络流量的空间特征与时间依赖性来精准检测异常。在ECU-IoHT数据集上的实验结果表明，该模型表现出色，准确率达99.40%，F1分数达98.95%，ROC-AUC分数达99.87%，验证了其作为保护6G医疗物联网基础设施的鲁棒安全解决方案的潜力。

  来源：IEEE Communications Standards Magazine

  时间：2026-03-16

• 一种用于多模态信息计算中特征表示学习的区分性关联平台

  智能多媒体计算中基于深度神经网络的可持续发展与可解释性学习模型研究。通过融合统计机器学习原理与感知机式神经网络级联架构，提出DC-PNN模型实现多模态特征高效表征，在六类基准数据集和青光眼图像分类实际应用中验证其优越性及资源效率优势。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-03-16

知名企业招聘：