• 基于神经营销与社交媒体情感分析构建伦理导向的客户数字孪生：一种多模态融合的决策分析新框架

  为深入理解消费者决策背后的情感与认知驱动因素，本研究创造性地将神经营销技术（脑电图，EEG）与社交媒体分析（情感分析）相结合，旨在构建更全面、动态的客户数字孪生（CDT）。研究通过在快时尚电商场景中引入伦理信息启动，揭示了EEG指标（如参与度、认知负荷、情感效价）与文本情感数据在刻画消费者状态方面的互补性。结果表明，尽管多模态数据融合在现实异步条件下面临挑战，但这种整合为开发具有情绪智能和伦理意识的预测性消费者模型奠定了基础。这项发表于《Decision Analytics Journal》的工作，为数据科学和行为心理学的交叉领域提供了新的方法论视角。

  来源：Decision Analytics Journal

  时间：2026-02-16

• 一种用于预测单辆摩托车碰撞中受伤严重程度的可解释性RF-CNN模型

  摩托车事故严重性预测的混合随机森林-卷积神经网络模型及风险因素分析。通过整合可解释的随机森林与CNN的高效模式识别，在泰国5975起单摩托事故数据中，模型以58.9%准确率和69.9%召回率显著优于单一模型和传统统计方法，SHAP分析揭示夜间无照明、车道设计、道路曲率及超速/酒驾是关键风险因素。

  来源：Case Studies on Transport Policy

  时间：2026-02-16

• 双人训练调节体育课内在动机与搭档感知：基于自我决定理论的研究

  这篇综述系统阐述了双人协同训练（Dyad Practice）在体育教育中对运动技能学习、内在动机及搭档感知的影响。文章基于自我决定理论（SDT），探讨了不同搭档选择方式（自选 vs. 教练指定）对大学生在排球、篮球、手球和足球等团队运动学习中心理与行为表现的调节作用，为优化体育教学策略提供了实证依据。

  来源：Cogent Social Sciences

  时间：2026-02-16

• Riccati子方程神经网络赋能海洋工程非线性色散波建模：精准求解与稳定性分析

  本文提出一种创新的Riccati子方程神经网络（RSENN）框架，用于精确求解描述浅水长波传播的(1+1)维修正Benjamin-Bona-Mahony（mBBM）方程。该方法巧妙地将Riccati解析函数嵌入神经网络架构，成功捕捉了孤波、周期波列等非线性波现象，并通过数值模拟验证了其高效性与准确性，为海洋工程中的波浪动力学研究提供了强大的智能计算工具。

  来源：Ocean Engineering

  时间：2026-02-16

• 基于完全植入式皮质-基底节神经接口的帕金森病患者居家步态状态分类研究

  为解决帕金森病（PD）患者步态障碍治疗难题，研究人员利用双向神经刺激器（INS）与可穿戴设备（WD），首次实现居家环境下基于皮质-基底节神经信号的步态状态分类，构建了个性化生物标志物与闭环自适应刺激（aDBS）框架，推动脑机接口（BCI）临床转化。

  来源：SCIENCE ADVANCES

  时间：2026-02-15

• 机器学习辅助紧束缚第二矩近似势参数校准：针对金属合金异质原子相互作用的高效有限温度热力学拟合策略

  针对紧束缚第二矩近似（TB-SMA）势在拟合二元合金异质原子（hetero-nuclear）相互作用参数时长期依赖0 K数据、难以准确再现有限温度热力学性质的瓶颈，研究人员开发了一种数据驱动的参数化新框架。该方法通过构建大规模虚拟合金数据集，训练神经网络（NN）代理模型快速预测混合焓和晶格常数等性质，并嵌入优化循环，直接针对有限温度实验数据校准异质相互作用参数。该策略成功应用于Cu、Ni、Pt、Pd、Rh组成的10种二元合金体系，获得了能精确匹配实验趋势的参数化结果，为复杂多组分系统（如高熵合金）的高效建模提供了通用、模块化且计算成本低廉的新途径。

  来源：Computational Materials Science

  时间：2026-02-16

• 量化预测韧性：一种针对自然灾害的容错预测框架及其运行边界

  针对自然灾害引发交通系统非稳态动态及传感器复合故障问题，提出早期晚期预测框架与图混合MoE增强架构，通过初期灾害数据预测峰值交通，并实现物理损坏、数据丢失和时序中断的鲁棒性，量化预测韧性指标。

  来源：Reliability Engineering & System Safety

  时间：2026-02-16

• 用于稀疏视图光声计算机断层的隐式神经表示

  基于隐式神经表示的PACT图像重建方法在稀疏数据条件下有效抑制伪影并提升信噪比1.1-24.0 dB，优于传统反演方法

  来源：Ultrasonics

  时间：2026-02-16

• ASR-PINN：一种自适应步长龙格-库塔物理信息神经网络，用于多组分反应性溶质传输

  二维多组分吸附-解吸反应在异质孔隙介质中的物理信息神经网络建模研究。提出自适应步长Runge-Kutta PINN（ASR-PINN），结合解梯度变化和非线性反应强度两种自适应控制器，优化时空离散策略，解决传统PINN在长时模拟中误差累积和计算效率问题。实验表明ASR-PINN较基准方法TM-PINN在L2相对误差上降低65%-95%，训练速度提升2-8倍，显著提高复杂反应扩散问题的建模精度和计算效率。

  来源：Journal of Hydrology

  时间：2026-02-16

• 解码弱θ节律下的海马位置编码：发现与主流振荡分离的位置调谐信息载体

  本研究挑战了传统观念，即动物停止运动时变得不规则的θ节律无法携带空间信息。研究团队开发了一种人工神经网络，从局部场电位（LFPs）中发现了即使在强θ振荡缺失时也存在的位置调谐θ节律（pTheta）。利用雄性大鼠的脑电记录，证据表明pTheta与主导θ节律不同，但反映了位置细胞群体间的节律性协调。这项工作表明，基于信息而非基于方差的解码原则，在许多脑区和物种中观察到的微弱且间歇性的振荡，可以传递与群体锋电位编码相当的信息。

  来源：Nature Communications

  时间：2026-02-15

• 融合自适应网络与熵驱动动力学的认知架构计算模型：构建平衡灵活性与稳定性的类脑认知计算框架

  本文介绍一种前沿的认知架构计算模型，旨在解决现有认知模型在生物合理性、计算复杂性及长期稳定性等方面的局限。研究人员将自适应时序因果网络（Temporal–Causal Network）与受麦克斯韦-玻尔兹曼（Maxwell–Boltzmann）分布启发的熵驱动机制相结合，提出了一个整合局部神经可塑性与全局认知稳定的计算框架。该模型通过模拟工作场所自信心等场景，揭示了不同自我认知构念（Self-Esteem, Self-Efficacy, Self-Concept）的动态演化模式，成功复现了向稳定认知状态的收敛、对反馈条件的敏感性以及短时波动与长期稳定分离等行为。此框架为复杂认知过程的建模提供了生物启发且计算高效的方案，在智能预测、诊断与自适应决策支持系统以及开发人机协同的认知架构方面具有潜在应用价值。

  来源：Decision Analytics Journal

  时间：2026-02-16

• NH₃/H₂/n-庚烷燃烧的实验研究以及通过CNN增强型神经网络和L-SHADE算法对燃烧机理的优化

  氨燃料混合物点火特性与CNN-ANN混合模型研究。在15-30 bar、650-1050 K条件下，通过快速压缩机实验测定了NH3/H2/n-辛烷三元混合物的点火延迟时间，发现n-辛烷显著提升反应活性。基于此构建了CNN提取非反应体积轨迹特征，结合ANN的混合预测模型，并利用L-SHADE算法优化反应机制参数，验证了模型的高效性与准确性。

  来源：Combustion and Flame

  时间：2026-02-16

• 在高重力辅助雾化反应器中，采用多相强化内部构件的ANN模型研究SO₂在海水/亚硫酸钠溶液中的吸收过程

  本研究开发了一种高重力辅助原子化反应器（HAAR），集成导流叶片和静态金属丝网等多相强化内件，在缩小转鼓直径的同时显著提升气液传质效率。实验表明，HAAR在开环海水系统和闭环亚硫酸钠系统中脱硫效率分别达76.2%-93.8%和92.5%-98.2%，整体气相质量传递系数较传统反应器提高一个数量级，能耗较常规旋 packed bed (RPB)降低30%-50%。基于人工神经网络（ANN）建立的预测模型误差小于10%，为智能化操作提供支持。

  来源：Chinese Journal of Chemical Engineering

  时间：2026-02-16

• 神经质人格与反安慰剂效应：副作用预期的中介作用

  本综述通过一项大型药理学研究，深入探讨了神经质（Neuroticism）人格特质如何通过提升治疗前副作用预期（side-effect expectations）来加剧反安慰剂（nocebo）反应。研究发现，高神经质个体不仅报告更高的躯体症状，其治疗前对副作用的负面期待也在神经质与干预后症状加重之间扮演了部分中介角色。这揭示了人格特质通过认知预期影响治疗体验的心理生物学通路，为临床实践中识别风险个体、通过沟通优化管理副作用提供了关键见解。

  来源：Journal of Personality

  时间：2026-02-16

• 离子-电子传感神经纤维：用于可视化触觉生物特征加密的技术

  智能家居通过设备互联实现未来智慧生活方式，但传统非生物触觉加密易被破解。本研究设计生物触觉加密神经纤维（BTENF），利用仿生突触的耦合电容微结构，通过手指接触扰动电场平衡产生触电流（99.24%，有效消除密码泄露风险，为智能家居加密提供新路径。

  来源：Advanced Fiber Materials

  时间：2026-02-16

• 深度学习侧信道分析中的元启发式神经网络架构搜索研究：一种提升攻击效率与自动化的新途径

  在深度学习侧信道分析(SCA)中，手动设计高效模型耗时费力且难以适应新场景。本研究创新性地将元启发式算法（GA、PSO、SA、TS）集成到神经网络架构搜索(NAS)框架中，自动优化深度神经网络架构。实验在ASCAD和CHES CTF数据集上证明，所提方法性能优于随机搜索(RS)和贝叶斯优化(BO)，尤其在复杂搜索空间中，SA方法仅需约60条轨迹即可在MLP模型上达到猜测熵(GE)为1。该工作为自动化、高效的深度学习侧信道攻击模型设计提供了新工具。

  来源：Cyber Security and Applications

  时间：2026-02-16

• 基于文档的分析与论文解读 中文标题 提高多哥沿海地区风能预测精度：融合幂律与多层感知机的风速预报研究

  本研究针对传统幂律（PL）法在复杂风况下风速外推误差大的问题，采用多层感知机（MLP）对多哥阿内霍（Aneho）沿海地区的风速预报进行偏差校正。研究结果表明，MLP校正能显著降低RMSE，使R2值趋近于1，有效提高了非GFS网格点风速的预测精度，为沿海地区风能规划和运营提供了更可靠的数据支持。

  来源：Energy Conversion and Management-X

  时间：2026-02-16

• 机器学习在孟加拉国库尔纳露天垃圾场的地表温度预测建模

  为了预测露天垃圾场的地表温度以防范火灾和环境风险，本研究针对孟加拉国库尔纳Rajbandh垃圾填埋场，整合了遥感指数、气象参数和垃圾输入数据。研究人员采用广义可加模型、多元线性回归和人工神经网络，探究了影响地表温度的关键驱动因子。结果显示，甲烷排放和比湿是影响地表温度的最主要变量，而人工神经网络模型展现出了最佳的预测性能。这项研究为资源受限地区提供了一种低成本、可靠的垃圾填埋场热变化监测方案，对改善垃圾场运营和评估环境影响具有重要意义。

  来源：Waste Management Bulletin

  时间：2026-02-16

• 原发性进行性失语症患者对语言时间参照的在线理解能力：眼动追踪研究提供的证据

  本研究通过眼动追踪技术比较了agrammatic、logopenic和语义型初级进行性失语症患者与健康对照组对过去和现在时间参考的理解差异，发现agrammatic和logopenic患者存在显著过去时态处理困难，而语义型患者仅在特定条件下受损，支持不同神经机制解释。

  来源：Journal of Neurolinguistics

  时间：2026-02-16

• 弱磁场增强镁-25同位素对微管聚合的磁同位素效应：基于自由基对机制的证据

  本研究通过结合实验与模拟，探讨了核自旋动力学如何通过镁同位素置换与弱磁场相互作用影响微管聚合，揭示了一种明确由核自旋特性驱动的同位素依赖性效应，该效应在施加3毫特斯拉的弱磁场下增强。实验结果与理论上的自由基对机制模型达成定量一致，为量子自旋动力学与微管组装之间的联系提供了支持，并阐明了弱磁场影响生物分子功能的潜在机制。这项工作发表在《Science Advances》期刊上。

  来源：SCIENCE ADVANCES

  时间：2026-02-15

知名企业招聘：