• 基于语言引导的图表示学习在视频摘要中的应用

  摘要：随着社交媒体上视频内容的快速增长，视频摘要生成已成为多媒体处理中的关键任务。然而，现有方法在捕捉视频内容的全局依赖关系以及满足多模态用户定制需求方面面临挑战。此外，视频帧之间的时间邻近性并不总是与语义邻近性相对应。为了解决这些问题，我们提出了一种新型的语言引导图表示学习网络（Language-guided Graph Representation Learning Network，简称LGRLN）用于视频摘要生成。具体来说，我们设计了一种视频图生成器，该生成器将视频帧转换为结构化图，以保留时间顺序和上下文依赖关系。通过构建正向图、反向图和无向图，视频图生成器有效地保持了视频内容的顺序性和

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 最优控制理论神经优化器：从反向传播到动态规划

  摘要：深度神经网络（DNNs）的优化推动了现代人工智能的进步。由于DNNs具有长时间的非线性传播过程，因此根据目标确定其最优参数自然属于最优控制编程的范畴。将DNNs视为动态系统的这种理解，在从数值方程到物理学的原理性分析中起到了关键作用。与这些理论研究并行的是，本文侧重于算法层面。我们发现一个有趣的算法相似性：DNNs中用于计算梯度的反向传播（Backpropagation）算法与动态系统的最优性条件之间存在相似之处，后者通过另一种称为动态规划（dynamic programming）的逆向过程来表达。通过建立这种联系——即反向传播具有变分结构，并求解一阶展开的近似动态规划问题——可以开发出

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• 学习任务：多输出深度神经网络中用于梯度冲突缓解的优选推理路径

  摘要：多输出深度神经网络（Multi-output Deep Neural Networks，简称MONs）包含多个用于不同任务的输出分支，这些任务通常会共享部分网络滤波器，从而导致网络内部不同任务之间的推理路径相互交织。由于优化目标存在差异，训练过程中各任务的梯度会在共享路径上相互干扰，从而降低整个模型的性能。为了解决这个问题，我们提出了一种名为DR-MGF（Dynamic Routes and Meta-weighted Gradient Fusion）的新颖梯度冲突缓解算法。与现有的冲突缓解方法不同，DR-MGF通过学习任务优先的推理路径来实现MONs中的梯度冲突缓解。该方法的提出基于我

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• BiKT：通过双向知识传递释放图神经网络（GNNs）的潜力

  摘要：基于消息传递范式，已有大量研究提出了多种多样且令人印象深刻的特征传播机制，以提高图神经网络（GNNs）的性能。然而，对于消息传递框架中的另一个关键操作——特征转换，关注度相对较低。在本文中，我们首先通过实证研究了几种典型GNN中特征转换操作的性能。出乎意料的是，我们发现GNN并未完全发挥出特征转换操作的全部潜力。基于这一观察，我们提出了双向知识传输（BiKT）技术，这是一种无需修改原始架构即可释放特征转换操作潜力的即插即用方法。将特征转换操作视为一个与原始GNN共享参数的衍生表示学习模型，该模型可以直接进行预测，提供与拓扑结构无关的知识反馈，从而进一步指导GNN及其内部特征转换的学习过程

  来源：IEEE Transactions on Pattern Analysis and Machine Intelligence

  时间：2025-11-25

• GLPilot：利用可学习嵌入实现的高效分布式图神经网络（GNN）训练

  摘要：图神经网络（GNNs）通过可学习的顶点嵌入，使得模型即使在顶点特征稀疏、有噪声或缺失的情况下，也能推断出丰富且与任务相关的表示。在大规模的多GPU训练中，动态更新的嵌入（其大小通常比模型参数大几个数量级）会严重降低训练效率。具体来说，加载远程嵌入以及同步它们的梯度占每次迭代时间的90%以上。传统的缓存和并行处理方法是为静态嵌入或模型参数单独设计的，对于缓解这种与嵌入相关的传输“数据墙”问题效果不佳。为了解决这个问题，我们首先详细分析了训练过程中的顶点访问模式，发现虽然频繁被访问的顶点占据了大部分嵌入加载延迟，但它们的更新次数却很少，因此这些顶点的嵌入非常适合被重复使用（即“陈旧数据”的再

  来源：IEEE Transactions on Parallel and Distributed Systems

  时间：2025-11-25

• 基于多指标和机器学习的妊娠早期先兆子痫综合预测模型：一项回顾性单中心研究

  子痫前期（Pre-eclampsia, PE）作为妊娠期严重并发症，其早期预测对改善母婴结局具有重要意义。本研究通过整合多维度生物标志物与机器学习技术，构建了首个基于孕早期指标的PE预测模型，为临床提供新工具。以下从研究背景、方法、核心发现及临床价值等方面进行详细解读。### 一、研究背景与意义PE发病率占所有妊娠的2%-8%，是孕晚期高血压和器官损伤的主要诱因。传统筛查依赖孕中期血压和尿蛋白检测，但早期干预窗口期有限。近年研究显示，胎盘血管生成异常、系统性炎症反应及凝血功能紊乱在孕早期已出现特征性改变。例如，胎盘生长因子（PlGF）水平在孕早期即可反映胎盘灌注状态，而 neutrophil-

  来源：Medicine

  时间：2025-11-25

• 微量元素和营养素与失眠之间的因果关系：一项孟德尔随机化研究

  该研究采用孟德尔随机化（MR）方法，系统评估血清中微量元素与营养素与失眠的因果关系。研究基于欧洲人群的全基因组关联研究（GWAS）数据，重点考察铁、锌、硒、铜、钙、钾、镁等7种微量元素，以及胡萝卜素、叶酸、维生素A、B12、B6、C、D、E等8种营养素与失眠的潜在关联。研究团队通过严谨的遗传学工具筛选和多重敏感性分析，验证了镁水平与失眠风险之间的可能因果关系。研究设计遵循STROBE-MR指南，通过公共数据库获取双样本数据：暴露组来自国际联盟大学开放GWAS项目（IEU Open GWAS），包含铁、锌、硒等元素的SNP数据；对照组取自FinnGen项目，涵盖408,074名欧洲人群的失眠表型

  来源：Medicine

  时间：2025-11-25

• 青少年足球运动员变向速度变化的人体测量学决定因素：一项采用决策树回归和机器学习方法的横断面研究

  本研究聚焦于青年男子足球运动员的形态学特征与变向速度性能的关系，通过可解释的人工智能方法建立预测模型。研究选取51名11.88±1.38岁的职业青年足球学院学员，采用标准化流程测量了小腿围、腿长、坐高等6项关键人体测量指标，并通过505变向测试评估运动表现。经数据筛选后，最终纳入42名有效样本进行建模分析。研究采用机器学习多算法对比验证，发现决策树回归（DTR）模型表现最优，其核心价值体现在三个方面：首先，构建了包含成熟偏移量、年龄、腿长等6项关键预测因子的解释性模型，解释率达84.3%；其次，验证了505测试作为变向速度评估工具的可靠性（ICC=0.86，SEM=3.54%）；最后，通过特征

  来源：Medicine

  时间：2025-11-25

• 基于学习的自适应范围路由在图神经网络辅助的交通工程中的应用

  摘要：流量工程（Traffic Engineering, TE）已被网络运营商广泛用于提升网络性能和提供更优质的服务。TE面临的一个主要挑战是制定能够适应高度动态未来流量场景的路由策略。不幸的是，现有的方法要么在遇到意外流量波动时性能严重下降，要么为了保证最坏情况下的性能而牺牲最优性，尤其是在流量相对稳定时。在本文中，我们提出了LARRI这一基于学习的TE框架，它能够预测未知未来流量场景下的自适应路由策略。通过将未来需求范围预测和最优范围路由仿真整合到一个步骤中，LARRI能够生成一种能够适应各种可能未来流量矩阵的路由策略，从而在性能最优性和最坏情况保障之间取得良好的平衡。此外，LARRI采用

  来源：IEEE Transactions on Networking

  时间：2025-11-25

• 有危险饮酒行为和创伤后应激障碍（PTSD）的性虐待幸存者中的焦虑敏感性及与疼痛相关的焦虑

  摘要通俗语言总结 引言： 性暴力是一个重大的公共卫生问题，与较差的心理健康状况和更严重的酒精使用问题相关。目前关于那些有性暴力史且可能患有创伤后应激障碍（PTSD）的人进行危险饮酒（增加负面后果风险的过量饮酒）的行为背后的机制的研究还非常有限。 方法： 本研究评估了133名有性暴力史且进行危险饮酒的人的焦虑敏感性和与疼痛相关的焦虑情绪，以探讨这些因素与心理健康和临床显著酒精使用行为之间的关系。其中83人为女性，96人为白人。 结果： 焦虑敏

  来源：The Journal of Nervous and Mental Disease

  时间：2025-11-25

• 综述：基于阶段的疗法与以创伤为中心的疗法在成年儿童期创伤幸存者中的应用：系统评价与元分析

  摘要通俗语言总结引言：关于基于阶段的治疗方法是否能为患有创伤后应激障碍（PTSD）的个体带来超出标准创伤聚焦治疗方案的额外价值，目前存在争议。本系统评价研究了基于阶段的治疗方法对有童年创伤的成年人的疗效。方法：通过系统检索PubMed、Embase、PTSDpubs和PsycINFO数据库，找到了针对有童年创伤的成年人PTSD症状的基于阶段的干预措施的随机对照试验。共有4项研究符合纳入标准，共计356名参与者。对这些研究进行了随机效应元分析，以估计综合效应大小。结果：研究表明，与对照组干预措施相比，基于阶段的治疗方法具有轻微的积极效果（Hedges g=0.17；标准误SE=0.12）。基于阶

  来源：The Journal of Nervous and Mental Disease

  时间：2025-11-25

• 癫痫诊断后患精神分裂症的风险：韩国的一项全国性匹配队列研究

  ```section> 摘要 通俗语言总结 引言： 癫痫与精神分裂症的风险增加有关，但很少有大型研究能够充分考虑相关关键因素。本研究分析了来自韩国的队列数据，以评估癫痫诊断后患精神分裂症的风险。 方法： 将癫痫患者与对照组在年龄和性别上进行匹配。精神分裂症是主要研究结果。Cox回归模型计算了调整后的风险比（HR），同时考虑了人口统计学和生活方式因素（吸烟、BMI、胆固醇和收入）。Kaplan–Meier曲线和对数秩检验用于评估精神分裂症的累积发病率。 结果： 该研究包括2,770名癫痫患者和27,700名匹配的对照组。癫痫患者患精神分裂症的总体调整后风险

  来源：The Journal of Nervous and Mental Disease

  时间：2025-11-25

• 脑回平坦患者接受电休克治疗（ECT）后出现的紧张症：病例报告与文献综述

  摘要通俗语言总结 紧张症是一种神经精神综合征，可伴随多种精神疾病和系统性疾病出现。中枢神经系统异常被认为会增加患紧张症的风险，已有病例报告在神经发育障碍和神经退行性疾病患者中发生。平滑脑（Lissencephaly）是一组神经元迁移障碍，其特征是脑回和脑沟不明显或缺失、皮质异常增厚以及多种组织病理学变化。平滑脑的病因、临床表现、症状和严重程度各不相同，常伴有癫痫、视觉问题、心脏问题、骨骼问题以及早死等并发症。 在本文中，我们描述了一名20岁患有平滑脑的患者出现紧张症的病例。该患者对高剂量劳拉西泮的治疗反应甚微，但通过电休克疗法（ECT）后紧张症状有所缓

  来源：The Journal of ECT

  时间：2025-11-25

• 基于AI的动态网络切片优化技术，利用时间图网络（Temporal Graph Networks）实现智能决策

  摘要：随着第五代（5G）及超越5G（B5G）网络的发展，动态资源分配与管理对于支持多种设备类型和混合数据流量变得至关重要。网络切片技术能够对基础设施进行逻辑分割，以满足应用程序特定的服务质量（QoS）要求，但流量波动、用户移动性以及跨切片干扰等因素给主动资源分配带来了挑战。传统方法在这些因素面前显得力不从心，导致效率低下。因此，本文探讨了一种基于人工智能（AI）的网络性能预测与资源分配框架，该框架采用了时间图网络（TGNs）。通过将TGN与NS-3仿真器结合使用，本文展示了预测网络吞吐量的有效方法。所提出的解决方案利用时空人工智能（AI）技术，实现了更准确的网络性能预测和自适应资源优化，从而支

  来源：IEEE Networking Letters

  时间：2025-11-25

• NeuroShield-IoE：一种适用于能源互联网的、具备认知能力、具备量子抗扰性且能够自我进化的网络安全框架

  摘要：能源互联网（IoE）通过连接智能电网、分布式能源资源和消费设备，正在重塑现代能源系统。这种变革提高了能源利用的效率和灵活性，但也带来了严重的安全风险。传统的网络安全模型是为静态、集中式的系统设计的，无法有效保护当今动态且分布式的能源环境。量子计算技术的兴起威胁到了现有的加密标准，而基于人工智能的攻击手段则变得越来越具有适应性，更难以被检测到。能源系统通常资源有限且对延迟敏感，缺乏采用传统安全解决方案的能力。因此，迫切需要一个轻量级、适应性强的、面向未来的安全框架。本研究提出了NeuroShield-IoE这一概念性框架，它整合了认知智能和抗量子攻击的机制，旨在增强能源互联网系统应对不断演

  来源：IEEE Network

  时间：2025-11-25

• MADGuard：一种高性能的微服务异常检测系统，具备多维数据融合和时序因果分析能力

  摘要：随着微服务架构的广泛应用，它们面临的安全威胁也变得越来越复杂。现有的基于系统调用的异常检测方法在三个关键方面存在显著局限性：多维数据融合、时间因果关系建模以及异常的取证分析。本文提出了一种基于源追踪图的微服务异常检测系统MADGuard。MADGuard通过三项关键创新解决了这些问题：（1）通过整合多源服务和多维数据构建原生源追踪图，并采用特征哈希和位置编码来实现高效的图表示；（2）该系统引入了时间图网络（TGN）模型，结合边重构误差和逆文档频率（IDF）加权，使得F1分数相比现有方法提高了15.07%；（3）在微服务安全领域首次实现了集成式的取证分析模块，能够通过聚合的异常子图快速重建

  来源：IEEE Transactions on Network and Service Management

  时间：2025-11-25

• 基于图的条件变分自动编码器（G-CVAE）与物理信息神经网络（PINN）相结合的超宽带频率选择性表面的逆向设计

  摘要：本研究提出了一种基于图条件变分自编码器（G-CVAE）与物理信息神经网络（PINN）相结合的带阻频率选择表面（FSS）逆向设计方法。该逆向设计旨在预测具有超宽阻带特性的FSS几何结构。首先，图卷积网络精确提取FSS几何设计中的拓扑和空间关系；然后利用图的特征以及FSS数据集的仿真结果来训练CVAE，使其能够映射FSS的物理结构及其电磁行为。训练好的CVAE可以预测出具有所需频率响应的FSS几何结构，而PINN则用于确保设计的物理可行性。通过监控平均相对误差值，可以使得仿真结果和预测结果之间的传输系数更加接近。此外，还采用了类似的方法来提高角度稳定性，并实现TE模式和TM模式下的极化独立性

  来源：IEEE Journal on Multiscale and Multiphysics Computational Techniques

  时间：2025-11-25

• 基于图神经网络的组播路由技术，用于6G网络中的按需流媒体服务

  摘要：在第六代（6G）无线网络中，对带宽要求较高的应用越来越多，例如实时体积流媒体传输和多感官扩展现实。这些应用需要智能的多播路由解决方案，以便能够大规模地提供差异化的服务质量（QoS）。传统的最短路径和多播路由算法要么计算复杂度过高，要么结构过于僵化，往往无法满足多样化的用户需求，从而导致资源利用效率低下。基于神经网络的方法虽然提高了推理速度，但通常缺乏拓扑泛化能力和可扩展性。为了解决这些问题，本文提出了一种基于图神经网络（GNN）的多播路由框架，该框架能够同时最小化总传输成本，并满足用户特定的视频质量要求。路由问题被构建为一个受限的最小流优化任务，并开发了一种强化学习算法，通过重用路径和适

  来源：IEEE Transactions on Mobile Computing

  时间：2025-11-25

• 无线电力传输的室内安全性：一种机器学习方法

  摘要：本文介绍了一种创新方法，将机器学习（ML）技术应用于远场无线电力传输（WPT）系统。在该系统中，使用雷达来检测人体的存在及其高度。这些数据与节点位置信息以及发射器与节点之间的传播路径信息一起输入到所提出的ML算法中。ML模型的目标是预测每个发射器的最佳功率水平，从而在确保人员安全的同时最大化电力传输效率。使用ML技术的优势在于实现了实时系统，这在室内应用中至关重要，可以将危险辐射控制在安全范围内，同时显著降低有害暴露的风险，并提高传输效率。本文评估了三种ML模型：随机森林（RF）、支持向量机（SVM）和神经网络（NN）。仿真结果表明，神经网络模型表现出优异的性能，能够有效捕捉室内传播环境

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2025-11-25

• 一种基于毫米波芯片的仅透射去嵌入方法，该方法利用了一维卷积神经网络（1D-CNN）和基于物理的向量拟合技术

  摘要：本文提出了一种适用于毫米波（mm-wave）芯片应用的低成本去嵌入方法。对于传统的去嵌入方法，需要在适用频率和仿真元件数量之间进行权衡。为了解决这一限制，本文提出了一种基于物理原理的向量拟合（VF）和卷积神经网络（CNN）相结合的去嵌入方法（PVCT去嵌入方法）。通过引入机器学习（ML），该方法仅使用一个仿真元件即可实现高精度的去嵌入。基于物理原理的VF技术能够准确描述高频寄生效应，用于构建测试夹具和仿真元件的等效电路模型。为了更好地模拟实际嵌入场景，还利用多项式模型对探针接触阻抗进行了建模。得益于这些非电磁等效模型，通过蒙特卡洛分析生成了快速且具有物理意义的数据集，同时考虑了加工公差的

  来源：IEEE Transactions on Microwave Theory and Techniques

  时间：2025-11-25

知名企业招聘：