• 珊瑚幼体定向附着技术突破：基于神经肽Hym-248与微结构调控的珊瑚养殖新策略

  珊瑚修复面临幼虫附着效率低下的瓶颈。本研究创新性地利用神经肽Hym-248和微拓扑结构定向诱导珊瑚幼虫附着，通过将可溶性诱导剂嵌入水凝胶与3D打印技术结合，实现>99%的精准附着定位，为大规模珊瑚养殖提供可扩展的解决方案。

  来源：Scientific Reports

  时间：2026-02-06

• STAR-SNN：一种具有时空自适应特性的循环脉冲神经网络，采用分离传播替代梯度算法，以实现硬件高效的高效实时学习

  提出STAR-SNN结合SPSG学习规则，在截断BPTT(K=1)框架下优化空间-时间自适应参数，解决长序列依赖和硬件效率的平衡问题，应用于混沌系统预测和动态视觉传感器手势识别，实现高精度和低资源消耗。

  来源：Neurocomputing

  时间：2026-02-06

• 具有局部流形结构保持能力的鲁棒联合稀疏二维投影模糊聚类

  本文提出一种结合二维投影、流形约束与模糊聚类的鲁棒聚类方法，通过双线性正交子空间保留图像空间结构，利用F1范数重构误差动态更新样本隶属度，在九个基准数据集上验证其聚类精度提升2.47%及NMI提高2%，显著优于传统方法。

  来源：Neurocomputing

  时间：2026-02-06

• 基于多参考动态熵模型的深度感知图像压缩

  本文提出一种结合Depth-aware Adaptive Transformation（DAT）框架和Multi-reference Dynamic Entropy Model（MDEM）的图像压缩算法，通过多尺度能力感知特征增强模块（MCFE）提升特征提取能力，并利用自适应稀疏注意力机制和多维度上下文模型消除冗余信息，在Kodak、Tecnick和CLIC数据集上相比VTM-17.0实现BD-rate增益。

  来源：Neurocomputing

  时间：2026-02-06

• 通过最小生成树实现密度增量和前沿优化聚类

  针对传统图聚类方法连接性差和局部结构保留不足的问题，提出基于最小生成森林（MSF）的分合聚类算法SMMSF。通过迭代生成α个MST构建MSF，增强对局部和全局结构的表征；分裂阶段利用密度增量峰值识别高密度区域，加速深度优先搜索实现高效聚类；合并阶段采用包含切点和切边的改进距离度，分两阶段优化聚类结果。实验表明该算法在多种数据集上显著优于现有方法，尤其适应高维、异构和非均匀噪声场景。

  来源：Neurocomputing

  时间：2026-02-06

• MoIRA：一种用于多任务机器人的模块化指令路由架构

  机器人领域混合专家模型MoIRA采用模块化架构，通过外部零样本文本路由器动态协调预训练的LoRA适配器专家。在GR1和LIBERO基准测试中，其跨任务泛化能力优于通用模型和传统MoE系统，验证了分体式架构在机器人控制中的有效性。

  来源：Neurocomputing

  时间：2026-02-06

• FedACA：用于个性化异构联邦学习的自适应分类器聚合与聚类

  联邦自适应聚类聚合框架 FedACA 通过改进原型聚合方法解决异构联邦学习中的类不平衡、原型偏移和分布倾斜问题，采用自适应K-means聚类优化局部原型，基于原型相似性进行集群头匹配以融合个性化分类器，并引入个性化头融合机制平衡全局指导与本地适应。实验表明该方法在异构环境下相比现有方法提升9.66%准确率。

  来源：Neurocomputing

  时间：2026-02-06

• 张量网络的贝叶斯方法

  贝叶斯张量网络通过有效初始化策略和Laplace近似方法提升训练稳定性与模型泛化能力，在多个数据集上验证优于传统张量网络模型。

  来源：Neurocomputing

  时间：2026-02-06

• 利用大型语言模型调整元启发式算法的参数

  本研究探讨大语言模型（LLMs）能否通过参数选择优化元启发式算法（MHAs），以图着色、作业车间调度和旅行商问题为测试对象，采用两阶段流程验证LLMs的有效性，结果显示LLMs能显著提升算法性能，尤其在模拟退火和旅行商问题中效果显著，表明LLMs在优化领域具有高泛化能力和语境理解，可辅助算法设计。

  来源：Neurocomputing

  时间：2026-02-06

• 一种基于混合神经网络的水库重力坝地震响应预测方法，该方法能够量化水库水位的不确定性

  本研究提出融合系统特征注意力机制与波束分解脉冲识别模块的混合神经网络模型SW-HNN，有效预测重力坝脉冲地震响应，解决水库水位变化与数据不平衡问题，实验验证其准确性、鲁棒性和可解释性。

  来源：Reliability Engineering & System Safety

  时间：2026-02-06

• 基于联邦深度学习的虚拟制冷三重底线优化：仿真驱动的可持续食品管理新范式

  本文提出一种创新的联邦深度学习（Federated Deep Learning）架构，通过虚拟制冷仿真实现食品管理的三重底线（环境、经济、健康）优化。该系统采用卷积神经网络（CNN）和长短期记忆网络（LSTM）多模态模型，在500个虚拟家庭冰箱中实现96.8%的食品识别准确率和97.6%的新鲜度预测性能，同时通过差分隐私（ε=1.0）技术确保数据安全。研究显示可减少30-40%食品浪费，每户每年节约500-800美元，并降低200-300kg二氧化碳排放，为联合国可持续发展目标12（SDG 12）提供可扩展的解决方案。

  来源：Sustainable Food Technology

  时间：2026-02-06

• HierLoRA：一种分层多概念学习方法，结合了改进版的LoRA技术，用于个性化图像扩散模型

  针对LoRA个性化扩散模型中存在的语言漂移、概念纠缠及单次学习限制问题，提出分层学习策略与增强型LoRA模块。通过引入GeLU激活函数缓解语言漂移，设计门控机制实现多概念解耦学习，在保持基模型生成能力的同时，减少可训练参数至45M以下，显著提升目标物体特征保留率（4%-6%）和图像风格相似度（10%），并支持多概念协同生成。

  来源：Neurocomputing

  时间：2026-02-06

• 在类别不平衡情况下，用于变分自编码器的频率感知先验

  针对类不平衡数据中VAE潜在表示失真问题，提出频率感知先验VAE（FAP-VAE）。通过逆频率缩放先验方差和指数移动平均更新先验均值与方差，缓解少数类过度正则化，提升潜在空间聚类质量。实验表明FAP-VAE在多个数据集上显著优于基准模型，同时保持重建与生成性能。

  来源：Neurocomputing

  时间：2026-02-06

• Hi-PET：一种用于资源高效的三维低剂量脑正电子发射断层扫描图像去噪的混合框架

  低剂量PET脑图像去噪高效混合框架设计，融合扩散模型与GAN优势，通过动态优化过程平衡生成与判别模块，结合三维重叠滑动窗口策略提升资源利用率，在三个独立数据集上验证优于现有10种SOTA模型，临床部署系统已实现实时交互与可视化。

  来源：Neurocomputing

  时间：2026-02-06

• 基于强化学习的优化跟踪控制：适用于具有维纳噪声和泊松噪声的随机非线性严格反馈系统

  研究存在维纳噪声和泊松噪声的随机非线性严格反馈系统的最优控制问题，提出结合强化学习策略的优化后退控制方法，通过改进的RL架构减少算法复杂度，并利用自适应神经网络识别未知非线性项，最后通过车辆跟踪控制实例验证方法有效性。

  来源：IEEE Transactions on Industrial Informatics

  时间：2026-02-06

• 癫痫引起的肠道屏障功能障碍：犬蔷薇籽油对十二指肠形态和连接处完整性的保护作用

  本研究通过建立癫痫大鼠模型，探讨Rosa Canina种子油对肠道屏障功能的影响。结果显示，癫痫导致十二指肠结构损伤及紧密连接蛋白表达下降，中高剂量RSO可部分逆转上述变化，其机制与稳定ZO-1和vimentin表达相关。

  来源：Neurogastroenterology & Motility

  时间：2026-02-06

• 以边缘为中心的社区在属性网络中基于持久性进行隐藏

  针对有属性网络社区检测中的隐私泄露问题，本文提出APERM算法，通过计算节点间属性和结构相似性识别紧密同质节点（CHN），缩小边扰动搜索空间，有效破坏社区结构。实验表明该方法在六个真实数据集上优于现有方案。

  来源：Neurocomputing

  时间：2026-02-06

• 基于EK-SVSF的数据驱动鲁棒状态估计

  针对非线性系统模型不确定性和外部干扰问题，提出一种数据驱动的扩展卡尔曼-滑模滤波器（EK-SVSF）框架。通过深度学习自动提取平滑边界层（SBL）参数，结合基于变异系数的自适应多损失加权机制，实现动态优化以平衡估计精度与 chatter抑制。实验验证了该方法在复杂动态系统中的鲁棒性和有效性。

  来源：Neurocomputing

  时间：2026-02-06

• MODE：一个用于多模态开放领域对话评估的基准测试工具与研究方法

  多模态开放域对话评估基准MODE构建及MM-Eval方法提出，通过单轮和多轮对话测试发现现有评估方法一致性不足，引入图像转换、推理增强和校准模块提升模型评分准确度，验证MM-Eval在基准上的显著性能优势。

  来源：Neurocomputing

  时间：2026-02-06

• 一种多源注意力图神经网络，用于建模化学过程预测中的长期和短期依赖关系

  化工过程软测量中，MSAGNN通过静态图与动态图结构融合，结合多源注意力机制捕捉时空依赖，在Debutanizer Column、Tennessee Eastman和Fluid Catalytic Cracking三过程中验证，RMSE、MAE、MAPE均优于SOTA方法。

  来源：ADVANCED ENGINEERING INFORMATICS

  时间：2026-02-06

知名企业招聘：