Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making
本文提出了一种自监督进化学习（SSEL）框架，通过直接从连续脑电（EEG）数据中挖掘个体化的神经动态演进轨迹与内在身份流形，实现了在无需外部标签的安全关键决策场景下对用户意图的精准解码、身份认证及认知状态异常检测。
💻 Category
cs.NE
65 篇论文
A Primer on Evolutionary Frameworks for Near-Field Multi-Source Localization
本文提出了一种基于连续球面波信号模型的新型模型驱动进化框架（包括 NEMO-DE 和 NEEF-DE），用于在近场多源定位中克服传统网格化子空间方法和数据依赖深度学习的局限性，实现了无需标签数据、离散网格或特定架构约束的任意阵列几何定位。
Multi-Objective Evolutionary Optimization of Chance-Constrained Multiple-Choice Knapsack Problems with Implicit Probability Distributions
本文针对具有隐式概率分布的多目标机会约束多重选择背包问题，提出了一种自适应采样资源分配的高效蒙特卡洛评估方法（OPERA-MC）和一种结合 NSGA-II 的混合进化算法（NHILS），并在 5G 网络配置等场景的实验中验证了其在收敛性、多样性和可行性方面的优越性能。
Structure from Rank: Rank-Order Coding as a Bridge from Sequence to Structure
该研究提出了一种受 STG-LIFG-PMC 通路启发的基于秩序编码的神经网络模型，证明了其不仅能高效压缩并重构语音序列，还能通过模拟全局新奇性检测及对抽象结构违规的敏感性，揭示从声学输入到层级语法表征的涌现机制。
Evolving Symbiosis, from Barricelli's Legacy to Collective Intelligence: a simulated and conceptual approach
本文报告了 SymBa 小组在 ALICE 2026 研讨会上受 Barricelli 1953 年开创性工作启发，通过复现一维数值生物模拟、扩展至二维共生体及初步探索 DNA 规范，深入探讨了共生发生机制在生命起源、开放性及集体智能中的作用，并展望了其在人工生命与人工智能领域的未来应用。
Pareto-Optimal Anytime Algorithms via Bayesian Racing
该论文提出了名为 PolarBear 的框架，通过基于贝叶斯竞赛的自适应采样和时序 Plackett-Luce 排序模型，在无需归一化或已知最优值的情况下，高效识别出任意时间优化算法的帕累托最优集，从而支持在未知计算预算下的稳健算法选择。
Scalable Multi-Task Learning through Spiking Neural Networks with Adaptive Task-Switching Policy for Intelligent Autonomous Agents
本文提出了一种名为 SwitchMT 的新方法，通过结合具有主动树突和决斗结构的深度脉冲 Q 网络以及基于奖励与网络内部动力学的自适应任务切换策略，有效解决了资源受限自主代理在多任务强化学习中的任务干扰问题，实现了无需增加网络复杂度的可扩展高效多任务学习。
Panda: A pretrained forecast model for chaotic dynamics
本文介绍了名为 Panda 的预训练模型，该模型通过在进化算法发现的 2 万个混沌系统合成数据上进行训练，展现出零样本预测未见混沌系统、跨维度泛化（从常微分方程到偏微分方程）以及有效预测真实世界实验时间序列的涌现能力。
Differential Privacy in Machine Learning: A Survey from Symbolic AI to LLMs
这篇综述论文系统梳理了差分隐私从基础定义到在机器学习（涵盖符号人工智能至大语言模型）中的演进与集成方法，并探讨了其实践评估方案，旨在推动安全可信人工智能系统的发展。
GOT-JEPA: Generic Object Tracking with Model Adaptation and Occlusion Handling using Joint-Embedding Predictive Architecture
本文提出了 GOT-JEPA 框架，通过联合嵌入预测架构将模型预测预训练从图像特征扩展至跟踪模型本身，并辅以 OccuSolver 模块进行细粒度的遮挡感知与状态优化，从而显著提升了通用目标跟踪器在动态复杂场景下的泛化能力与鲁棒性。
Intrinsic Numerical Robustness and Fault Tolerance in a Neuromorphic Algorithm for Scientific Computing
该研究证明了一种用于求解偏微分方程的原生脉冲神经形态算法具有内在的容错性，能够容忍高达 32% 的神经元损毁和 90% 的脉冲丢失而不显著降低计算精度，且这种鲁棒性可通过结构超参数进行调节。
Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation
该研究提出了一种将肌肉协同先验嵌入强化学习的生理信息框架，通过低维协同基约束控制，显著提升了预测性肌骨步态模拟在不同速度、坡度和地形下的生物力学保真度与泛化能力。
Resource-constrained Amazons chess decision framework integrating large language models and graph attention
该论文提出了一种将图注意力自编码器与大型语言模型（GPT-4o-mini）相结合的轻量级混合框架，通过利用结构推理对 LLM 生成数据进行去噪并优化蒙特卡洛树搜索，在资源受限条件下实现了在亚马逊棋游戏中超越基线及教师模型的高性能决策。
An Event-Driven E-Skin System with Dynamic Binary Scanning and real time SNN Classification
本文提出了一种集成压阻式触觉阵列与 FPGA 上卷积脉冲神经网络的事件驱动电子皮肤系统，通过动态二进制扫描策略实现了高达 99% 的数据稀疏性和显著的资源压缩，同时保持了 92.11% 的实时手写数字识别准确率。
ForwardFlow: Simulation only statistical inference using deep learning
该论文提出了一种名为 ForwardFlow 的基于深度学习的纯模拟统计推断框架，通过训练一个包含坍缩层的分支神经网络，直接从模拟数据中求解参数估计的逆问题，从而在无需解析似然函数的情况下实现有限样本精确性、对数据污染的鲁棒性以及算法近似能力。
COMIC: Agentic Sketch Comedy Generation
该论文提出了一种名为"COMIC"的全自动 AI 系统，通过模拟真实制作团队的智能体协作机制，并结合基于 YouTube 喜剧视频语料库训练的 LLM 批评家进行迭代优化，成功生成了质量接近专业水准的短喜剧视频。
TT-SNN: Tensor Train Decomposition for Efficient Spiking Neural Network Training
该论文提出了 TT-SNN 方法，通过引入张量列车分解和并行计算流水线，显著降低了脉冲神经网络（SNN）的训练参数量、计算量及能耗，同时保持了高精度的性能表现。
Predictive Coding Networks and Inference Learning: Tutorial and Survey
这篇论文全面综述并形式化定义了基于神经科学预测编码框架的预测编码网络（PCNs），阐述了其作为比传统反向传播更具生物合理性且能统一监督与无监督学习的通用机器学习框架的潜力与优势。
A Digital Pheromone-Based Approach for In-Control/Out-of-Control Classification
本文提出了一种受蚁群行为启发的数字信息素方法，通过综合基础评分、威胁评分和环境评分来实时分类工业薯条油炸过程中的受控与失控状态，并预测即将发生的维护需求。
Predictive Coding Graphs are a Superset of Feedforward Neural Networks
该论文证明了预测编码图（PCGs）在数学上是前馈人工神经网络（多层感知机）的超集，从而将预测编码网络更紧密地融入现代机器学习框架，并强化了对神经网络拓扑结构的研究。