• MS-STFNN：一种用于基于fMRI的抑郁症诊断的多尺度时空融合神经网络

  抑郁症客观诊断方法研究：基于fMRI的多尺度时空融合神经网络模型，结合动态功能连接与原始序列数据，有效捕捉脑网络多粒度空间特征与多分辨率时间动态，实现抑郁症亚型分类，实验表明其优于基线模型且各组件均有显著贡献。

  来源：Neural Networks

  时间：2026-02-13

• 通过双重注意力融合与协同优化实现的多视图图谱聚类

  多视图图聚类通过双注意力融合与协同优化提升共识表示与语义一致性，解决异构视图结构互补与全局一致性问题。

  来源：Neural Networks

  时间：2026-02-13

• 一种抗噪声且能适应数据分布的多变量时间序列异常检测框架

  多变量时间序列异常检测中，现有方法受噪声干扰和分布偏移限制。本文提出NORDA框架，通过多阶差分抑制噪声，混合可逆归一化模块适应非稳态分布，结合Transformer编码器提升跨通道依赖建模能力。实验表明，NORDA在7个基准数据集上显著优于16种基线方法，平均F1-score提升20.14%，且具有计算高效性。

  来源：Neural Networks

  时间：2026-02-13

• 一种统一的序列推荐框架，该框架结合了门控差分放大注意力机制以及重复-探索意图建模技术

  本文提出GDA-REIM框架，通过门控差分放大注意力机制抑制长序列中的注意力噪声，并采用意图评分分割与边界约束损失区分重复与探索行为，显著提升推荐性能。

  来源：Neural Networks

  时间：2026-02-13

• 针对文本到图像扩散模型的对抗性判别攻击

  针对概念删除扩散模型中NSFW内容生成漏洞，提出对抗判别攻击方法，通过可学习扰动优化潜在空间映射，模拟内容审核系统决策机制，实验表明其安全绕过成功率超90%，有效揭示现有安全技术的局限性。

  来源：Neural Networks

  时间：2026-02-13

• RIT-HetGE：一种基于残基相互作用类型识别的异构图嵌入模型，用于预测蛋白质的热稳定性

  准确预测蛋白质热稳定性对理解其功能、指导工程设计和推进生物医学应用至关重要。本文提出RIT-HetGE模型，通过异构图嵌入区分氢键、疏水作用等不同残基相互作用类型，结合内相互作用类型感知卷积和跨类型注意力机制，有效整合局部和全局特征，并基于Rademacher复杂度证明模型泛化性。实验表明RIT-HetGE在多个数据集上优于基线方法，且各组件具有可解释性，揭示关键残基及相互作用类型对稳定性的贡献机制。

  来源：Neural Networks

  时间：2026-02-13

• “选择与融合：一种适用于稀疏且不确定性机制的有效多图谱脑网络分析方法”

  多图谱脑网络分析通过注意力增强模块筛选关键脑区并融合不确定性信息，显著提升疾病诊断精度。

  来源：Neural Networks

  时间：2026-02-13

• 基于焦点引导的特征融合网络用于轻量级图像超分辨率

  时空跨域协作的水下目标检测框架TransUTD通过融合多帧语义特征和动态几何约束提升退化场景下的检测性能，构建首个水下视频检测数据集UVID，在DUO和UVID上AP提升1.5%和1.9%，ImageNetVID AP50达86.0%。

  来源：Neural Networks

  时间：2026-02-13

• MARINE-Transformer：一个用于多变量海洋时间序列分析的通用框架

  针对海洋IoT设备多变量时间序列分析中存在的异构数据融合难题，本文提出MARINE-Transformer框架。该框架采用两阶段训练：预训练阶段通过掩码自编码器学习单变量时间动态；微调阶段引入动态依赖图，整合跨变量物理关系。实验表明，该框架在预报、插补和异常检测任务中均达到SOTA性能。

  来源：Neural Networks

  时间：2026-02-13

• 多角度跨域融合策略：提升自动昆虫鉴定与分级分类效能的实证研究（以猎蝽为例）

  本综述系统探讨了利用多角度（标准、转盘、生态图像）和跨域（标本与生态图像）融合策略提升昆虫自动识别系统效能的创新方法。研究以形态复杂、多样性高的猎蝽科（Hemiptera: Reduviidae）为模型，构建了包含11,915张专家验证图像的数据集。通过ConvNeXt-B架构评估，证实该策略能显著提升模型的物种识别准确性（提高5.72%）和分级分类能力（将未见物种正确归至属级的比例提高13.53%），并能有效引导模型关注分类学诊断特征，从而提升模型在实验室与野外环境下的跨域适应能力，为开发可靠的自动昆虫鉴定工具提供了实用框架。

  来源：Cladistics

  时间：2026-02-13

• 自适应加权欧拉-拉格朗日物理信息神经网络：最优控制中多任务学习框架的突破性应用

  本文提出自适应加权欧拉-拉格朗日物理信息神经网络（AW-EL-PINNs），创新性融合欧拉-拉格朗日定理与深度学习架构，将最优控制问题转化为两点边值问题（TPBVPs）。该框架通过动态损失权重机制解决传统PINNs（Physics-Informed Neural Networks）的损失失衡缺陷，在五组数值实验中显著提升解算精度，为物理工程领域的策略优化提供新范式。

  来源：Neural Networks

  时间：2026-02-13

• 状态导向线性调制（SLiM）：一种引导大型语言模型输出的新方法

  本文针对大型语言模型（LLM）输出控制不足、难以灵活适配情感及风格等用户需求的问题，提出了一种创新的“状态导向线性调制（SLiM）”技术。该方法通过引入状态向量动态调制LLM的内部激活值，实现了无需基础模型微调即可对情感、风格、主题等多类状态进行精确控制。研究表明，SLiM能有效引导模型输出，尤其在处理主观输入时效果显著，为提升人机交互的细腻度和可控性提供了新思路，相关成果发表于《Neural Networks》。

  来源：Neural Networks

  时间：2026-02-13

• 异维异构比例时滞神经网络的图像加密主从同步研究

  这篇论文研究了具有异维结构的主从比例时延神经网络（PDNNs）同步问题。作者设计了降维观测器和反馈控制器，并选取适当的Lyapunov-Krasovskii泛函（LKF），为系统建立了全局渐近同步（GAS）准则。进一步，他们优化设计出自适应观测器和控制器，并选用Lyapunov泛函（LF），获得了全局指数同步（GES）准则。文章通过数值算例和图像加密应用，验证了方法的有效性，其核心创新在于将自适应控制和降维观测器应用于解决异维、无界时延（比例时延）神经网络的同步难题。

  来源：Neural Networks

  时间：2026-02-13

• SD2-ReID：一种语义-风格分离的蒸馏框架，用于鲁棒的多模态对象重识别

  多模态目标重识别中，提出基于语义-风格解耦蒸馏的框架SD²-ReID，通过混合多模态特征提取器分离共享与专用特征，设计解耦蒸馏模块分离语义与风格信息，并引入层次化自监督模块增强跨模态一致性，实验验证其有效性和高效性。

  来源：Neural Networks

  时间：2026-02-13

• 超越局部聚合：用于多视图融合的全局图对比学习

  多视图融合中，本文提出G²CM算法，通过全局拓扑与视图特定加权边构建可靠图结构，结合三种正对、两种负对的对比学习框架提升跨视图对齐，并引入距离感知缩放优化损失函数，有效融合局部语义与全局结构信息。

  来源：Neural Networks

  时间：2026-02-13

• 无参图神经网络SDGNN：基于结构多样性的鲁棒消息传递框架

  这篇综述的核心思想是，为了解决图神经网络(GNN)在现实异构图数据中因邻居结构同质化聚合导致的表示退化问题，研究者提出了一种无训练参数的结构多样性消息传递图神经网络(SDGNN)框架，该框架通过结构多样性驱动的组内统计与组间选择，有效建模邻域异质性并稳定特征语义，在低监督、类不均衡等挑战性场景下展现卓越性能。

  来源：Neural Networks

  时间：2026-02-13

• L2G-Net：通过簇令牌实现局部到全局的特征增强，用于3D空间识别

  点云场景识别中，针对传统CNN方法存在的几何细节丢失和计算复杂度高问题，提出L2G-Net网络架构。通过Point Feature Enhancement（PFE）模块增强局部几何特征，Cluster Tokens Mamba（CTM）模块利用Mamba状态空间模型高效建模聚类特征，并设计Cluster Tokens Cross Attention（CTCA）模块实现局部与全局特征的跨注意力交互。实验表明该方法在多个公开数据集上显著优于现有SOTA方法。

  来源：Neural Networks

  时间：2026-02-13

• 将表格数据转换为图像以用于深度学习模型

  将表格数值数据转换为灰度图像 representations，使CNN等深度学习模型能有效处理传统数值数据集，并在四个数据集上验证其高效性。

  来源：Neural Networks

  时间：2026-02-13

• 脑韧性研究方案：构建影响老年人脑健康的生物学和社会文化因素的数据集

  本研究通过整合多模态生物及认知数据与社会人口学因素，建立开放资源以探究痴呆症韧性。主要招募1000+名50岁以上志愿者，收集问卷、睡眠评估、便携EEG及基因数据，子研究补充神经影像和昼夜节律数据，为分析生物与社会因素交互作用提供基础。

  来源：Neurobiology of Aging

  时间：2026-02-13

• 欺骗对双人大脑间脑电与自主神经同步性的影响：一项超扫描研究

  这篇综述通过一项生态化的模拟犯罪实验，采用超扫描技术（hyperscanning）同时记录并分析了面试官与受访者在欺骗或诚实任务中的大脑间同步性（IBS）和心率同步性。研究发现，与诚实组相比，欺骗组在面试前的theta频段和面试中的alpha频段表现出更高的IBS，但在高频带（HF）的心率同步性却降低。研究强调了从“双人神经科学”视角研究欺骗这一人际互动过程的重要性，并指出整合神经与自主神经同步性分析可能为开发更先进的测谎方法提供新思路。

  来源：Annals of the New York Academy of Sciences

  时间：2026-02-13

知名企业招聘：