• 综述：肠道神经系统在运动生理学中的作用：微生物群-神经交互界面

  本综述创新性地提出肠道神经系统（ENS）是解释个体运动反应差异和运动期间快速肠道功能变化的关键整合者，它作为“第二大脑”，在运动应激的几分钟内即可整合机械、免疫和微生物信号，通过神经和体液通路调节肠道功能、塑造微生物生态，并将信号传递至肌肉与大脑，从而介导运动适应与表现。

  来源：npj Metabolic Health and Disease

  时间：2026-03-13

• LoongTrack：探索用于视觉跟踪的长序列建模技术

  视频目标跟踪中时空信息利用不足，传统Transformer方法因平方复杂度受限。本文提出因果一致扫描机制，构建线性复杂度的ViM跟踪框架，通过优化视频扫描策略和时空信息融合，有效利用长序列时空信息，减少计算成本，在多个数据集上验证了其有效性。

  来源：Neural Networks

  时间：2026-03-13

• 生物启发的小目标检测视觉神经网络：在大场景中实现运动方向解码与补偿

  小目标运动检测面临背景复杂、像素稀少等挑战，传统HRC模型存在方向响应受限和定位滞后问题。本文提出生物启发式MDDC-STMD视觉系统，通过双光感受器对称电路增强 omnidirectional 运动响应，设计STMD与LPTC互补子模块，结合补偿通道优化时空特征提取，在低采样率、高动态场景中实现精准定位，并构建包含真实与合成数据的大场景检测基准。

  来源：Neural Networks

  时间：2026-03-13

• 在资源受限的环境中，利用Shapley值优化可微分架构搜索轻量级神经网络

  提出基于Shapley值的DARTS搜索空间优化方法，通过公平评估各操作类型贡献，减少冗余操作，降低计算开销，同时保持较高准确率。实验表明，在CIFAR-10和ImageNet上，该方法参数量减少42.3%，搜索成本降低56.7%，准确率分别达到95.45%和76.14%，优于现有NAS方法。

  来源：Neural Networks

  时间：2026-03-13

• 使用注意力机制训练稀疏卷积深度预测编码网络

  DPCN-SCA通过引入双向架构和顶向下注意力机制，改进深度预测编码网络的特征解释性，在ImageNet等数据集上分类准确率提升超20%。

  来源：Neural Networks

  时间：2026-03-13

• 神经元自噬功能紊乱通过隧道纳米管（TNTs）外包α-突触核蛋白（α-Syn）聚集体

  本推荐简述了一项针对帕金森病等突触核蛋白病中病理蛋白传播机制的研究。为探究神经元如何处置及传播α-突触核蛋白（α-Syn）聚集体，研究人员比较了神经元与小胶质细胞的清除能力差异，并分析了隧道纳米管（TNTs）的作用。研究发现，神经元自噬功能受损导致其无法有效清除α-Syn聚集体，从而通过TNTs将其“外包”给自噬功能更强的小胶质细胞。该结果揭示了神经元-胶质细胞互作在疾病进展中的新机制，为干预靶点提供了新思路。

  来源：Nature Communications

  时间：2026-03-13

• DisNet：在语音中学习可解释的抑郁表征

  抑郁症语音检测可解释深度学习模型的研究提出可学习的带通滤波器（LFB）和分层语音表征提取模块（HRE），通过自监督学习策略（SLRD）提升模型泛化能力，在AMHS-corpus等数据集上验证其有效性和生物标志物发现，如特定元音发音模式及可视化方法。

  来源：Neural Networks

  时间：2026-03-13

• 基于等级顺序编码的神经模型：连接语音感知与运动规划的等级层次框架

  这篇论文探讨了如何从声学输入到前句法结构（proto-syntax）的神经编码与生成机制。研究者们受STG-LIFG-PMC通路启发，构建了一个基于等级顺序（rank-order）编码的神经网络模型。该模型展示了从语音输入到抽象等级表征的“自下而上”压缩编码能力，以及从该等级表征重建完整语音序列的“自上而下”生成能力。研究结果表明，等级编码不仅能高效压缩输入，还能支持对抽象语法结构的表征，模拟了婴儿早期语音习得中感知-运动整合与语法结构习得的过程，为理解语音到语法的神经过渡提供了计算模型支持。

  来源：Neural Networks

  时间：2026-03-13

• 复数值扩展型尖峰神经网络

  提出复杂值加权脉冲神经网络（CWSNN），将脉冲时间与膜电位导数分别编码为复数实部和虚部，实现时空特征统一处理，在分类和回归任务中显著优于传统SNN。

  来源：Neural Networks

  时间：2026-03-13

• 综述：用于视频分析的脉冲神经网络：模型与架构的深入研究

  本文系统综述了脉冲神经网络（SNN）在视频分析中的应用，提出SpikeActNet模型，实验表明其相比传统CNN模型在能效和实时性上更具优势，为下一代视频智能系统奠定基础。

  来源：Neural Networks

  时间：2026-03-13

• : 基于ROS/p38 MAPK/NCOA4/GPX4调控铁蛋白自噬通路探究栀子苷在神经元-小胶质细胞共培养体系中改善氧化应激与铁死亡的作用机制

  本研究针对神经炎症与氧化应激介导的神经退行性疾病病理机制，探讨了天然产物栀子苷在H2O2诱导的小胶质细胞HMC3与神经元SH-SY5Y共培养模型中，通过调控ROS/p38 MAPK/NCOA4/GPX4信号轴抑制铁蛋白自噬（Ferritinophagy），从而缓解铁死亡（Ferroptosis）和炎症反应。该研究揭示了栀子苷神经保护的新机制，为相关疾病的治疗策略提供了潜在靶点。

  来源：NeuroToxicology

  时间：2026-03-13

• 基于扩散引导的图生成方法在多视图半监督分类中的应用

  多视图扩散引导图生成方法通过扩散模块消除特征噪声并提取潜在结构，聚合模块融合原始与扩散特征，构建自适应邻接矩阵用于多图骨干网络，实验验证其优于现有半监督学习方法。

  来源：Neural Networks

  时间：2026-03-13

• 一种受生物启发的脉冲神经网络，具备自适应的时空滤波功能以及深度调节的突触可塑性，从而实现强大的碰撞检测能力

  碰撞检测中基于动态视觉传感器的生物启发式突触神经网络，提出自适应时空滤波抑制噪声并稳定事件率，以及深度调制时序依赖可塑性增强目标选择性，实验验证多场景下准确率超94%。

  来源：Neural Networks

  时间：2026-03-13

• MD-LSM：一种用于实时监控深度网络隐藏层输出线性可分性的工具

  线性可分性度量挑战及Minkowski差基解决方案研究。提出MD-LSMs满足绝对性、鲁棒性、仿射不变性，设计近似算法降低计算成本。实验验证隐藏层线性可分性随训练同步提升，尤其在靠近输出层层级表现更优。应用涵盖MLP、GNN、CNN等12种深度网络及CIFAR-10等数据集。

  来源：Neural Networks

  时间：2026-03-13

• 综述：肠道微生物组与衰老——微生物、代谢物和免疫系统的动态相互作用

  本综述深入探讨了衰老过程中肠道微生物组与免疫系统之间的双向对话。文章系统性地揭示了肠道菌群失调如何驱动慢性低度炎症（“炎性衰老”），而免疫衰老又如何加剧菌群失衡，形成一个自我强化的有害循环。核心在于三类关键的微生物代谢物：短链脂肪酸(SCFA)、胆汁酸和色氨酸衍生物，它们作为关键的信号分子，调控着调节性T细胞(Treg)、上皮屏障功能和神经免疫稳态。作者指出，靶向这一肠道-免疫-微生物轴，通过饮食、益生菌、后生元或菌群移植等干预手段，有望打破恶性循环，为促进健康老龄化和延长健康寿命提供了新的策略和希望。

  来源：FEBS Letters

  时间：2026-03-13

• 蛋白稳态失衡与线粒体功能障碍协同驱动染色体不稳定所致小头畸形的研究

  【编者荐语】为解决罕见病“嵌合体花斑非整倍体(MVA)”如何导致小头畸形的机制难题，研究人员利用果蝇模型，聚焦神经干细胞(NSCs)区室的纺锤体组装检验点(SAC)基因功能丧失。研究发现，复合型非整倍体（而非单纯的非整倍体或DNA损伤）会通过破坏蛋白稳态和导致线粒体功能障碍，最终损耗神经干细胞的“干性”，导致神经元和胶质细胞减少。该研究揭示了染色体不稳定性影响大脑发育的新机制，为相关治疗提供了潜在靶点。

  来源：Nature Communications

  时间：2026-03-13

• 用于脉冲神经网络的快速、基于协议驱动的设备校准的局部学习范式

  SADP和SCDP是新型生物启发式突触可塑性规则，基于预-突触和突触后神经元spike trains的统计一致性（Cohen’s κ和Pearson相关系数）进行权重更新，而非依赖精确spike-pair时间差。实验表明，相比传统STDP，SADP/SCDP在MNIST和Fashion-MNIST分类任务中训练速度提升一个数量级，同时保持高分类精度，且支持事件驱动硬件实现。该框架通过线性时间复杂度减少计算负担，并兼容神经形态硬件的非线性特性，为下一代神经形态系统提供高效本地化学习机制。

  来源：Neural Networks

  时间：2026-03-13

• 综述：用于车牌识别的深度学习算法：综述

  本文系统综述了基于深度学习的车牌识别技术发展，梳理了从传统图像处理方法到YOLO、Faster R-CNN等深度学习框架的演进过程，分析了光照变化、极端天气、多角度倾斜等复杂场景下的性能瓶颈，提出轻量化多尺度网络、跨区域通用模型、融合交通场景先验知识等未来研究方向，并探讨了视频流时序分析与多传感器融合的创新路径。

  来源：Neural Networks

  时间：2026-03-13

• SCADA：一种用于领域自适应语义分割的稀疏交叉注意力机制创新，显著提升跨域图像解析效率

  本文提出了一种新颖的稀疏交叉注意力（Sparse Cross Attention, SCA）块，用于解决无监督领域自适应（Unsupervised Domain Adaptation, UDA）语义分割中计算资源消耗过大的问题。该方法通过聚合像素在水平与垂直方向上的上下文信息，生成不连续但有效的稀疏注意力图，在不降低性能的前提下显著降低了计算复杂度（O(H+W/2)）。同时，作者在潜在空间中引入像素级对比学习（Contrastive Learning, CL），增强领域内与跨领域的类内紧凑性和类间可分性。结合SCA修正特征进行对比学习，在GTA→Cityscapes、Synthia→Cityscapes和Cityscapes→Dark Zurich等基准上取得了显著的性能提升（如结合DAFormer方法提升+3.9% mIoU）。这项工作为实现高效、精准的跨域语义分割提供了创新性的解决方案。

  来源：Neural Networks

  时间：2026-03-13

• 基于忆阻器的神经网络用于双通道和时间顺序记忆，及其在故障检测中的应用

  本文提出了一种基于 memristor 的电路，实现双通道记忆和时序记忆功能。该电路模拟生物三级记忆模型，分别处理单通道与双通道记忆，并考虑时间间隔和上下文信息对时序判断的影响。仿真验证其在工业传感器数据异常检测中的应用潜力。

  来源：Neural Networks

  时间：2026-03-13

知名企业招聘：