• 篮球运动员的视觉工作记忆：听觉干扰和视觉干扰的影响

  篮球是一项高度动态的运动，运动员需要在不断变化的环境中快速做出准确的决策。这种决策能力不仅依赖于身体技能，还与认知能力密切相关，尤其是工作记忆。工作记忆是人类认知系统中用于临时存储和处理信息的核心机制，其效能对于高水平篮球运动员的表现至关重要。研究发现，工作记忆的多个子系统，如视觉空间草图板和中央执行系统，在篮球运动中扮演着关键角色。视觉空间草图板帮助运动员保持并更新对场上球员位置和运动轨迹的动态认知，而中央执行系统则负责在这些视觉信息之间切换注意力，抑制无关干扰（如观众的喧闹声或球场上的灯光），并基于处理后的信息迅速做出决策。因此，这些子系统的效率直接影响运动员在快节奏、复杂环境中的表现。在

  来源：Learning and Motivation

  时间：2025-11-24

• 综述：色谱建模的演变：从机理模型到结合物理基础的深度学习的混合模型

  陈宇成|陈志远|戴世鹏|谢友平|姚珊静|林东强福州大学福州海洋研究所海洋生物制造中心，中国福州，350108摘要基于物理深度学习（PBDL）的混合建模是一种创新方法，它将机理理解和数据驱动学习相结合，超越了传统色谱模型的局限性。本文系统总结了三代PBDL方法在色谱学中的应用进展。第一代方法采用替代模型，通过机理上采样和快速推理加速模拟过程，但受到间接物理耦合的限制，属于“数据辅助物理”范畴。第二代方法将物理定律嵌入损失函数中，实现物理和数据的同步学习，但在损失平衡和数值积分方面面临挑战，属于“物理约束数据”范畴。第三代方法通过将神经网络集成到数值求解器中，实现高保真建模和基于梯度的优化，实现了

  来源：Journal of Chromatography A

  时间：2025-11-24

• 研究阻塞性睡眠呼吸暂停与睡眠相关特征之间的共同遗传结构

  这项研究围绕阻塞性睡眠呼吸暂停（OSA）与睡眠特征之间的遗传关联和因果关系展开，旨在揭示两者共享的遗传基础。OSA是一种复杂的疾病，涉及多种生理因素，其全球患病率约为10亿人。睡眠特征则涵盖了睡眠的多个方面，如睡眠时长、睡眠质量、睡眠模式等。已有研究表明，OSA常常与异常的睡眠特征共存，例如失眠和打鼾，这种共病现象可能导致疾病的恶化，并形成一种病理生理循环。例如，OSA患者如果睡眠时间较短，往往表现出睡眠模式的紊乱，如快速眼动（REM）睡眠减少，N1阶段睡眠时间增加。而失眠相关的睡眠碎片化又可能引发间歇性缺氧和交感神经激活，进一步加重OSA症状，反之亦然。临床研究发现，OSA与失眠共病（COM

  来源：Sleep Research

  时间：2025-11-24

• 硬化性头颈部副神经节瘤：与手术结果相关的不良指标

  摘要 背景 这项回顾性病例对照研究调查了不同程度硬化的头颈部副神经节瘤（HNPGLs）的手术结果。 方法 分析了20年间接受HNPGL手术的95名患者的数据。根据组织学检查结果，将肿瘤分为硬化程度不明显（<30%）和明显（≥30%）两类。

  来源：Head & Neck

  时间：2025-11-24

• 中国非吸烟者暴露于二手烟与抑郁症状之间的关系

  在当代社会，随着人口老龄化的加剧，老年人的心理健康问题日益受到关注。在中国，抑郁症状在老年人群体中的患病率持续上升，成为影响其生活质量、医疗资源消耗及整体健康的重要因素之一。与此同时，二手烟暴露（SHSE）仍然是一个不容忽视的公共卫生挑战，尤其在家庭和工作场所中。虽然已有大量研究表明，二手烟暴露与抑郁症状之间可能存在某种联系，但大多数研究集中于年轻人群，尤其是儿童、青少年以及育龄女性，而针对老年群体的研究仍显不足。因此，本研究旨在探讨二手烟暴露与老年非吸烟者抑郁症状之间的关系，填补这一领域的空白，并为制定针对老年人群的公共卫生政策提供依据。本研究基于一项大型社区为基础的前瞻性队列研究——广州生

  来源：Behavioural Neurology

  时间：2025-11-24

• 使用垂直NAND闪存的大规模、高可靠性的Hopfield神经网络，用于内存中的关联计算

  近年来，人工智能技术的迅猛发展极大地拓展了机器的能力，使其能够执行诸如模式识别、自然语言生成和联想计算等类似人类认知的任务。这些任务通常由多种神经网络（NN）架构来解决，每种架构都针对特定的数据类型和问题领域进行了优化，包括卷积神经网络（CNNs）、基于变压器的大型语言模型（LLMs）以及递归神经网络（RNNs）。在这些架构中，Hopfield神经网络（HNN）因其基于能量的计算框架和全互连的神经元结构而备受关注，尤其适用于联想计算和优化问题。HNN中的突触权重（W_ij）在训练后存储在单层神经元之间，并在迭代更新过程中用于计算每个神经元的输入值（V_n）。然而，随着神经网络规模的增大，HNN

  来源：Advanced Intelligent Systems

  时间：2025-11-24

• Spikoder：用于硬件智能的双模石墨烯神经元电路

  在当今人工智能和计算技术迅速发展的背景下，神经形态计算作为一种仿生计算范式，正在引起广泛关注。这种计算方式试图通过模拟人脑的结构和功能来实现更加高效、节能的硬件系统。与传统的冯·诺依曼架构不同，神经形态计算利用了神经元之间的动态连接和信息处理机制，从而在能耗和处理速度方面具有显著优势。本研究提出了一种创新性的神经形态电路设计——Spikoder，该电路基于石墨烯忆阻器，能够同时承担编码器和神经元的功能，为构建紧凑、智能且可扩展的神经形态计算硬件提供了新的思路。传统的深度神经网络（DNN）虽然在图像识别、自然语言处理等领域取得了巨大成功，但其高能耗和大体积的特性限制了其在实际应用中的部署。特别是

  来源：Advanced Intelligent Systems

  时间：2025-11-24

• 对纽约州产生神经毒素的梭菌属物种进行全基因组测序，以加强流行病学研究，并揭示其多样性和分布模式

  在人类和动物健康领域，一些细菌被公认为具有重要的公共卫生意义。其中，*Clostridia*（梭菌属）特别是那些能够产生神经毒素的菌株，因其与肉毒中毒（botulism）的关联而备受关注。肉毒中毒是一种罕见但严重的疾病，其特征是神经系统功能的急性、对称性、下行性瘫痪。虽然该病的发病率较低，但其临床严重程度和潜在的致命性使其成为公共卫生监测和研究的重点。为了有效识别和控制肉毒中毒的爆发，实验室研究和流行病学调查显得尤为重要。在传统方法中，检测肉毒中毒通常依赖于培养法、分子方法如聚合酶链式反应（PCR）以及动物生物测定法（mouse bioassay）和内肽酶-质谱分析（Endopep-MS）。这

  来源：Frontiers in Public Health

  时间：2025-11-24

• 美国和中国成年人中特定领域体力活动、久坐行为与酗酒之间的关联：来自横断面研究、日常追踪和随机对照试验的证据

  本研究探讨了不同类型的身体活动与酗酒之间的关系，旨在为公共卫生政策提供科学依据。通过结合横断面调查、日常追踪调查以及随机对照试验三种研究方法，研究人员试图从多个角度理解身体活动如何影响酗酒行为。研究发现，不同类型的身体活动对酗酒的影响存在显著差异，这为制定更有效的干预措施提供了重要参考。在横断面研究中，分析了来自美国国家健康与营养调查（NHANES）数据库的6707名成年人，研究结果表明，工作相关身体活动和交通相关身体活动与酗酒之间存在正向关联，而休闲身体活动则显示出负向关联。这说明，工作和交通中所进行的身体活动可能与酗酒行为之间存在某种促进关系，而休闲活动则可能有助于减少酗酒的可能性。研究还

  来源：Frontiers in Public Health

  时间：2025-11-24

• 通过心率变异性和脑电图连接性研究发现，自主感觉经络反应在神经生理和认知方面存在增强现象

  ASMR，即自主感官性经络反应，是一种近年来受到广泛关注的感官-情感现象。它通常被描述为一种愉悦的刺痛感，从头皮开始，沿着颈部、手臂和脊柱传播，常伴随放松、平静和轻微的愉悦感。这种反应通常由听觉或视觉刺激引发，例如轻柔的声音、缓慢的手部动作或自然环境中的声音，如风吹树叶、鸟鸣等。尽管许多个人报告称ASMR可能带来认知和生理上的益处，但目前仍缺乏系统的实证研究支持这些说法。同时，对ASMR相关反应的客观生理监测尚未得到充分探索。本研究通过结合认知评估、脑电图（EEG）和心电图（ECG）记录，旨在系统性地评估ASMR对认知功能和自主神经系统的潜在影响。在方法上，研究选取了20名健康的韩国成年人，他

  来源：Frontiers in Psychology

  时间：2025-11-24

• 基于学习的前向运动学及其逆运动学在同心管机器人中的应用

  摘要：同心管机器人（CTRs）在微创手术中具有巨大潜力，但其复杂的运动学特性带来了显著挑战。尽管最近基于学习的前向运动学（FK）方法能够实现高精度，但这些方法往往会导致模型不可微分，从而影响计算效率。为了解决这些问题，我们提出了一种精确、显式且无需模型的运动学框架，该框架结合了改进的基于学习的FK方法和基于优化的逆向运动学（IK）方法，后者利用学习到的FK函数进行计算。首先，我们采用了一种边界密集采样策略来获取实际数据；然后，通过使用具有双曲正切激活函数的全连接前馈神经网络来学习和提取显式的FK函数。逆向运动学问题被构建为一个受限的非线性优化问题，并通过一种初始化策略提供高质量的初始猜测值。实

  来源：IEEE/ASME Transactions on Mechatronics

  时间：2025-11-24

• 在可饱和吸收体调制下的分级激光神经元用于光子计算

  摘要：光子脉冲神经网络结合了大脑的时空编码策略与光学的快速处理优势，为传统计算架构提供了一种有前景的替代方案。然而，作为光子脉冲神经元固有的特性，不应期对信息处理速度构成了不可避免的限制。受生物视觉系统启发的分级响应神经元成为解决这一问题的潜在方案。在这项工作中，我们首次通过数值方法分析了在具有饱和吸收器（SA）的激光器中可靠产生分级响应所需的输入条件。通过将信号调制到SA区域，激光器能够对连续输入产生逐渐增强的脉冲响应，且不存在不应期。此外，我们利用所提出的光子分级神经元实现了储层计算（RC）系统。由于这种激光神经元具有丰富的非线性动态特性，即使在使用简单的二进制掩码的情况下，所提出的RC系

  来源：Journal of Lightwave Technology

  时间：2025-11-24

• 多重图引导的深度生存分析

  摘要：生存分析被广泛用于分析感兴趣事件的概率，尤其是在医学领域。目前大多数研究将患者视为独立的个体，忽略了患者之间的复杂关联，从而导致有价值信息的未充分利用。最近，一些研究通过引入患者图结构来克服这一局限性。然而，这些方法通常忽略了两个关键问题：1）异质性患者间关系的探索；2）针对测试样本的灵活且可扩展的归纳推理。为了应对这些挑战，本研究提出了一种新的框架——多重图引导的深度生存分析（MGG-Surv）。具体来说，我们使用多重患者图来捕捉全面的患者间关联信息。此外，我们提出了一个师生双网络架构，其中教师网络对多重图进行编码，并通过一种称为“图引导蒸馏”的单向连接将学习到的图知识传递给学生网络。

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-24

• 针对具有非同质性特征的图结构的受限黑盒攻击

  摘要：图神经网络（GNNs）在各种应用中变得非常流行，但其容易受到对抗性攻击是一个关键问题。在各种图攻击类型中，受限黑盒攻击（RBAs）对攻击者的限制最为严格，因为攻击者只能访问节点特征和图结构。现有的RBAs依赖于同质性假设或基于位移的损失函数来进行结构扰动，但我们证明了这些方法在异质图中都失效了。为了解决这个问题，我们引入了基于节点距离的度量标准作为目标，以从根本上量化扰动后图结构的质量。我们的理论结果表明，所提出的目标使RBAs能够有效处理非同质性图。利用这一目标，我们提出了HetAttack，这是一种可扩展的方法，能够显著降低目标图中节点的可区分度。在合成图和真实世界图上的实验验证了H

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-24

• 通过跨城市元学习对城市时间序列数据进行协同插补

  摘要：城市时间序列数据，如交通流量、能源消耗和污染记录，蕴含了复杂的城市动态和结构特征。然而，由于预算限制和传感器故障等技术难题，每个城市的数据收集都面临困难，因此需要有效的数据插补技术来提高数据的质量和可靠性。现有的数据插补模型主要分为基于学习和基于分析的两种范式，它们在处理模型容量与泛化能力之间的平衡时存在挑战。通过跨城市协作学习来重建数据有望打破这一平衡。不过，城市数据的固有不规则性和异质性问题加剧了城市间知识共享和合作的难度。为了解决这些限制，我们提出了一种新的协作插补范式，该范式利用元学习得到的隐式神经表示（INRs）。INRs能够实现从领域坐标到目标值的连续映射，结合了两种范式的优

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-24

• 探索用于基于方面的情绪分析的上下文无关观点语法

  摘要：最近，利用预训练的生成模型进行情感元素提取显著提升了基于方面的情绪分析基准测试的性能。然而，这些模型存在两个主要缺点：1) 计算成本高，包括推理时间和硬件要求；2) 缺乏明确的建模机制，因为它们使用脆弱的语言或符号序列来表示情感元素之间的联系。为了解决这些问题，我们提出了一种新颖的意见树解析模型，能够快速从意见树中提取情感元素。这种方法不仅加快了处理速度，还清晰地揭示了更加全面和详细的情感结构。我们的方法首先引入了一种开创性的无上下文意见语法来标准化意见树的结构。随后，我们利用基于神经网络的图表解析器来深入探索情感元素之间的相互关系，并将它们解析成结构化的意见树。大量实验验证了我们所提出

  来源：IEEE Transactions on Knowledge and Data Engineering

  时间：2025-11-24

• 基于物联网的城市交通图像语义分割方法

  摘要：为了解决交通道路复杂场景识别中不同类别权重不平衡的问题，本文提出了一种基于物联网（IoT）的城市交通图像语义分割（ISS）方法。该方法采用全卷积神经网络（Full-CNN）进行城市交通图像特征提取，并将DenseNet架构扩展为FCNDN（Full-CNN-DenseNet），利用DenseNet的特性减少参数数量，以实现城市交通信息的自动处理和智能分析。在城市景观数据集的语义分析方面，该方法在交通标志和车辆识别方面具有更高的分割精度和处理速度。具体而言，FCNDN的准确率比eNet和ContextNet等大多数网络高出10%，并且可以实现超过30 FPS的实时处理速度。在PA指数性能比

  来源：IEEE Internet of Things Magazine

  时间：2025-11-24

• 基于自适应Dzip变压器的数据压缩技术在数字孪生系统中的应用

  摘要：随着物联网（IoT）系统复杂性的不断增加，尤其是在数字孪生（DT）应用中，数据压缩方法变得尤为重要，因为这些系统需要确保数据的实时传输和处理。传统的压缩技术往往难以满足IoT环境中的异构性、低延迟和资源限制等要求。在本文中，我们提出了自适应Dzip变压器压缩技术（ADTCT），这是一种旨在应对这些挑战的新框架。ADTCT将深度神经网络与算术编码相结合，在保持低延迟和最小内存使用量的同时显著提高了压缩效率——这对于资源受限的IoT设备至关重要。ADTCT的核心创新在于其双流神经网络架构，该架构结合了自举神经网络（BNN）和支持神经网络（SNN），并通过混合训练策略实现了实时适应性，而无需依

  来源：IEEE Internet of Things Journal

  时间：2025-11-24

• ReLU函数的最优条件数

  摘要：ReLU是深度神经网络中广泛使用的一种激活函数。本文研究了ReLU映射的稳定性特性。对于任意权重矩阵A ∈ Rm×n和偏置向量b ∈ Rm（位于某一层），我们定义条件数为κA,b = UA,b/LA,b，其中UA,b和LA,b分别表示上Lipschitz常数和下Lipschitz常数。我们首先证明了对于任意给定的A和b，条件数满足κA,b ≥ √2。此外，当某一层的网络权重被初始化为独立的随机高斯变量且偏置项被设置为零时，条件数会渐近地趋近于这个下界。我们的发现为随机初始化的神经网络的特性提供了宝贵的见解，有助于更好地理解它们的初始行为和潜在性能。

  来源：IEEE Transactions on Information Theory

  时间：2025-11-24

• GraphCleanse：通过对比训练防御图学习中的后门攻击

  摘要：图神经网络（GNNs）极易受到多种对抗性攻击的影响，其中后门攻击是最难应对的类型之一，因为它会导致模型分类错误。与深度神经网络（DNNs）类似，GNNs中的后门攻击是通过攻击者修改图数据的一部分，并将标签替换为目标标签来实现的，这会使模型在训练过程中学习到这些触发特征。尽管最近出现了一些防御技术，但基于可解释性和数据隔离的方法往往无法检测到带有隐蔽触发器的恶意样本，而差异学习方法则可能因去除有用特征而降低模型性能。为了克服这些限制，我们提出了一种名为GraphCleanse的新型后门防御方法，该方法能够在训练过程中有效消除潜在的后门特征。具体而言，GraphCleanse利用图对比训练轻

  来源：IEEE Transactions on Information Forensics and Security

  时间：2025-11-24

知名企业招聘：