• 基于漂移感知的变分自编码器异常检测方法，采用两级集成技术

  针对流数据中无标签、类不平衡及概念漂移的挑战，本文提出VAE++ESDD方法，通过双层集生效用（VAE异常检测与概念漂移检测）和增量学习，有效识别低频异常并适应动态数据分布，实验证明其优于基线及SOTA方法。

  来源：Neurocomputing

  时间：2026-02-15

• 利用深度强化学习实现电动汽车的拥堵感知车队重排序优化

  拥堵感知的电动车编队重排序优化框架通过LSTM-FCM预测拥堵并约束DRL决策，减少34.4%重排序频率，使SoC标准差下降23.6%。

  来源：Neurocomputing

  时间：2026-02-15

• 基于田口方法和神经网络结合的全被动平行拍动翼能量收集性能的优化

  提出一种完全被动并行扑翼（FPFW）配置，结合Taguchi-神经网络优化框架，通过数值模型分析三个关键参数（攻角幅度、升力幅度、攻角轴位置）对能量收集效率的影响，实验验证显示效率提升6.03%。

  来源：Aerospace Science and Technology

  时间：2026-02-15

• 兄弟姐妹对儿童发展的影响：本节简介

  本文探讨兄弟姐妹关系对心理发展的影响，指出早期互动模式如互惠、轮流、认可与验证对图式形成的关键作用，分析父母偏袒、出生顺序、收养等因素对竞争与协作模式的塑造，并强调 sibling rivalry如何通过认知组织影响后续社交与情绪调节。摘要长度：97字

  来源：The Psychoanalytic Study of the Child

  时间：2026-02-15

• 一种用于BIPV系统中混合可再生能源发电的能效高效机器学习优化框架，该框架结合了强化学习（DRL）与人工神经网络（ANN）的优势

  优化建筑一体化光伏（BIPV）系统的混合可再生能源管理方法，采用深度强化学习（DRL）和人工神经网络（ANN）提升能源预测与调度效率，对比传统方法显著降低误差（RMSE 0.034 vs 0.07）并提高发电效率（91% vs 75%）。

  来源：Sustainable Computing: Informatics and Systems

  时间：2026-02-15

• 基于一步扩散算法的现实世界图像超分辨率技术，结合视觉感知蒸馏机制

  针对扩散模型在图像超分辨率（SR）中多步采样效率低且语义对齐不足的问题，本文提出VPD-SR框架，结合CLIP模型提取的显式语义监督和基于傅里叶频谱的高频感知损失，并引入对抗训练增强生成图像的真实性。实验表明，VPD-SR仅需单步采样即可在CLIPIQA等指标上显著优于现有方法。

  来源：Neurocomputing

  时间：2026-02-15

• 利用基于相关性的机器学习模型重建燃气轮机燃烧室中的流场

  本研究提出一种结合POD空间相关分析与多模型机器学习的三维流场重建框架，通过分析CFD数据确定50mm为有效轴向间距，优化PIV测量布局，并系统评估RF、GBDT、MLP、MJ-MLP和PCFR-PINN模型在稀疏数据下的性能，证明该方法可高效、准确地重建三维流场并指导燃烧室设计优化。

  来源：Aerospace Science and Technology

  时间：2026-02-15

• 增强型图神经网络：用于具有接触损失缺陷的盾构隧道中的快速多场地震预测

  盾构隧道接触损失缺陷（CLD）会显著影响土-结构相互作用及抗震性能，传统有限元方法（FEM）因建模复杂、计算成本高难以满足大规模多场景需求。本研究提出基于图神经网络（GNN）的框架，将地质雷达（GPR）和剪切波速检测的CLD参数（位置角α、周向范围β、径向厚度h）作为输入，融合多层感知机（MLP）与GNN架构，同步预测隧道径向位移、Mises应力和损伤场分布。模型在真实工程案例中表现优异（R²=0.98, 0.95, 0.92），预测耗时仅0.15秒，较FEM快5800倍，并开发了CLD-QuakePredictor V1.0交互工具实现工程应用。

  来源：Engineering Applications of Artificial Intelligence

  时间：2026-02-15

• 利用物联网（IoT）和区块链技术的节能型分散式数字孪生系统，实现城市基础设施的自我优化与可持续能源管理

  能效高效去中心化数字孪生框架（E2-DTwin）通过IoT传感、区块链数据一致与图神经网络时空建模，实现城市能源系统的自主优化，仿真显示异常检测准确率提升31.5%，决策速度加快26.8%，同步开销降低18.9%|

  来源：Sustainable Computing: Informatics and Systems

  时间：2026-02-15

• 平衡性中毒：一种用于不平衡图数据中节点分类的隐蔽后门攻击方法

  针对图神经网络节点分类任务中不平衡数据下的后门攻击问题，提出BPBA方法。通过动态平衡受污染节点选择策略和自适应隐蔽触发器构建机制，有效解决了不同类别攻击成功率差异大及防御检测难题。实验验证了该方法在多尺度不平衡数据集上的有效性、攻击成功率平衡性和触发器隐蔽性优势。

  来源：Knowledge-Based Systems

  时间：2026-02-15

• MWDP：多视图小波引导扩散净化器，用于鲁棒的模式识别

  多视角小波引导扩散净化器通过融合RGB、深度和近红外特征提升语义一致性，并利用频率感知软掩码抑制低频扰动，有效增强模型对抗鲁棒性，实验表明其优于现有基线且跨模型泛化能力强。

  来源：Neurocomputing

  时间：2026-02-15

• 文章标题：动态分类与系统命名：追踪季节性流感病毒遗传变异的新框架

  本篇综述系统性介绍了一种用于追踪人季节性流感病毒（A(H3N2)、A(H1N1)pdm09 和 B 型）血凝素（HA）和神经氨酸酶（NA）基因片段遗传变异的动态命名系统。该系统借鉴 PANGO 命名法，通过算法建议结合专家评审，自动定义和更新病毒谱系（亚支），并使用别名（Aliasing）机制保持名称简洁，以支持全球流感监测与响应系统（GISRS）的疫苗株推荐和病毒进化追踪工作，相关工具已在 Nextclade 中集成并常规使用。

  来源：Influenza and Other Respiratory Viruses

  时间：2026-02-15

• 铁路司机在面对典型危险情景时的生理反应：专业司机与实习司机之间的差异

  高速铁路司机与学生的神经生理响应对比研究，采用EEG时间域和频域分析揭示专业司机在认知资源分配、执行控制、视觉处理等方面更具优势，高速场景下前额叶及顶叶皮层激活增强，动态危险场景引发更强的视觉空间神经响应，主观危险感知显著高于学生组，为铁路安全培训体系构建提供神经认知证据。

  来源：Accident Analysis & Prevention

  时间：2026-02-15

• 在枯燥的环境中，神经认知效应对奖励评估和努力投入的影响

  本研究探讨在单调激励任务中插入短暂兴趣期能否恢复认知与动机资源。通过行为实验（打字任务）和fMRI实验（社会偏好猜测任务），发现兴趣期后即使减少金钱奖励，参与者的投入度、努力程度和奖励敏感性仍显著提升。神经影像显示，兴趣期引发的奖励处理（前扣带回、前额叶）和注意力控制（外侧枕叶、角回）活动持续存在，支持迁移效应假说。结论表明，兴趣片段可作为动机重置策略，提升低刺激环境中的持续努力。

  来源：COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE

  时间：2026-02-15

• 基于替代方法的降维技术在可靠性分析和极限承载力（LRFD）校准中的应用：深度变化土壤中的防波堤基础

  防波堤基础可靠性分析与LRF校准框架研究，综合考虑土壤空间变异性，采用非平稳随机场模型模拟深度依赖性土质，结合相关性敏感性筛选降低维度，并基于自适应集成人工神经网络实现高效大规模概率仿真。研究表明，土壤空间变异性（尤其小尺度波动）显著影响失效概率，深度相关土质使失效概率降低近50%；而LRF校准对土壤平稳性敏感性不足1%，验证了概率评估在半概率设计中的必要性。该框架实现问题维度缩减70%，建模时间节省75%，为复杂地质条件下的海洋工程结构可靠性分析提供新方法。

  来源：Ocean Engineering

  时间：2026-02-15

• 一种基于逻辑路径的、具有上下文感知的时间知识图谱补全方法

  时空知识图谱补全方法LPCA通过融合逻辑路径与上下文感知机制，结合时间感知采样和自注意力编码，有效提升实体关系预测的准确性和可解释性，实验在ICEWS系列数据集上MRR分别提升3.59%、0.99%和2.67%。

  来源：Neurocomputing

  时间：2026-02-15

• 一种适用于小样本条件下铁路道岔故障诊断的两步迁移学习方法

  针对铁路道岔机（RPM）故障诊断数据稀缺问题，提出两步迁移学习框架：首先利用小波变换和WGAN-GP生成合成数据构建过渡集，其次采用带自上而下注意力机制的CNN进行迁移学习。实验表明，跨位置诊断准确率达98.7%，跨设备达95.6%，优于传统方法。

  来源：Neurocomputing

  时间：2026-02-15

• SA-PINN：一种基于自注意力机制、结合物理信息的神经网络，用于在样本量较少的情况下预测多轴疲劳寿命

  多轴疲劳寿命预测研究提出SA-PINN模型，融合自注意力机制与物理信息神经网络，通过动态调整输入特征权重和嵌入冯·米塞斯等效应力约束，有效提升小样本条件下的预测精度，实验显示RMSE为0.153、R²达0.942，较传统ANN模型性能提升显著。

  来源：Advances in Engineering Software

  时间：2026-02-15

• 努力及其感知的重新审视：物理领域的见解如何有助于形成统一的理论

  该研究提出跨学科的努力定义，分析其测量方法与理论模型，指出逆觉模型适用于物理任务但需扩展至认知领域，并探讨未来需明确资源界定、开发测量工具及验证领域特异性。

  来源：COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE

  时间：2026-02-15

• SDGraphMeta：一种基于相似性的新颖图元学习框架

  针对图神经网络少样本节点分类中的类间和类内挑战，提出SDGM框架。该框架通过子图提取的查询集聚合降低类间相似度，支持集优化增强类内特征一致性，并整合对比学习提升任务区分能力。实验在多个基准数据集上验证SDGM在有限标注条件下的优越性。

  来源：Pattern Recognition Letters

  时间：2026-02-15

知名企业招聘：