Deep Residual Echo State Networks: exploring residual orthogonal connections in untrained Recurrent Neural Networks
深度残差回声网络：探索未训练循环神经网络中的残差正交连接
AI总结 本文提出深度残差回声网络，通过引入时间残差正交连接提升未训练RNN的长期记忆和时间建模能力。
Comments IEEE TNNLS
期刊&会议
IEEE TNNLS
IEEE Transactions on Neural Networks and Learning Systems · 期刊 · Machine Learning
Neonatal Hypoxic-ischaemic Encephalopathy Classification from the EEG and HRV Signals Using a Conformer based Masked Autoencoder
基于基于Conformer的掩码自动编码器从脑电图和心率变异性信号中进行新生儿缺氧缺血性脑病分类
机构 * University College Cork（科克大学学院） ； INFANT Research Centre（婴儿研究中心） ； Pediatrics and Child Health（儿科与儿童健康）
AI总结 研究提出MAEConformer自监督学习框架，结合Conformer与MAE从EEG和HRV信号学习。通过卷积与自注意力捕获模式与依赖，引入MR-STFT损失。模型预训练后用于下游任务，在EEG和HRV的HIE分类中表现出色，证明其学习鲁棒可转移表示的有效性。
Comments Paper submits to IEEE Transactions on Neural Networks and Learning Systems
Multimodal Domain Generalization for Depression Detection: An Attention-Based BiLSTM Network with Domain-Adversarial Training
用于抑郁症检测的多模态域泛化：基于注意力的双向长短期记忆网络与域对抗训练
机构 * University of Milan（米兰大学） ； Gran Sasso Science Institute (GSSI)（大萨索科学研究所）
AI总结 研究针对深度学习抑郁症检测泛化受限问题，提出含域泛化的多模态检测框架，集成BiLSTM与注意力机制，用梯度反转层增强泛化，实验表明该方法提升了准确率和F1分数，超越现有基准，消融研究突出各因素贡献。
Comments 12 pages, 8 figures, 6 tables. Accepted for publication in IEEE Transactions on Neural Networks and Learning Systems (TNNLS)
Reinforcement learning in pursuit-evasion differential game: safety, stability and robustness
强化学习在追捕-逃避微分博弈中的应用：安全、稳定与鲁棒性
AI总结 本文提出了一种结合控制屏障函数和滑模控制的强化学习框架，以解决追捕-逃避问题中的安全、稳定性和鲁棒性挑战。
Comments 13 pages, 7 figures
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2026
Efficient Tuning Before Low-Bit Post-Training Quantization for Stochastic Gradient Descent-optimized Models
用于随机梯度下降优化模型的低位后训练量化前的高效调优
机构 * School of Information Science and Technology, Beijing University of Technology（北京工业大学信息科学与技术学院）
AI总结 研究针对低位后训练量化性能易降问题，提出ETBQ方法，在随机梯度下降优化模型的PTQ前进行预处理调优，通过从量化误差分布采样扰动优化全精度模型，实验证明该方法能提升不同任务的低位PTQ性能。
Comments v2 revision: Added hyperparameter settings of all experiments in appendix, fixed minor typos, adjusted figure layout, polished experimental analysis. 12 pages, 10 figures, submitted to IEEE Transactions on Neural Networks and Learning Systems (TNNLS). Code available at https://github.com/xpxpxp2001xpxpxp/ETBQ
PMSN: A Parallel Multi-compartment Spiking Neuron for Multi-scale Temporal Processing
PMSN：一种用于多尺度时间处理的并行多房室脉冲神经元
AI总结 研究针对脉冲神经网络多尺度时间处理不足问题，提出并行多房室脉冲神经元模型PMSN，通过整合子结构模拟生物神经元，引入并行化技术，实验表明其在时间处理能力和训练速度上优于现有模型，在神经形态硬件上可部署。
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2026
Learning Self-Growth Maps for Fast and Accurate Imbalanced Streaming Data Clustering
学习自生长地图以实现快速准确的不平衡流数据聚类
机构 * School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系）
AI总结 本文提出SOHI方法，通过自生长地图和层次合并策略，实现对流数据不平衡聚类的快速准确探索。
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2025
Contrastive Predictive Coding with Compression for Enhanced Channel State Feedback in Wireless Networks
用于无线网络中增强信道状态反馈的带压缩的对比预测编码
机构 * Department of Electrical Engineering and Computer Science, York University（电气工程与计算机科学系，约克大学） ； Nokia France（诺基亚法国） ； Nokia UK（诺基亚英国）
AI总结 研究针对下一代无线系统中CSI反馈问题，提出统一压缩预测框架，集成CPC到3GPP CSI压缩架构，通过联合目标优化，给出两种变体，实验表明其能降低计算量、保持反馈开销，提供年龄感知且高效的CSI反馈方案。
Comments Accepted for publication in IEEE Transactions on Neural Networks and Learning Systems
Tuning-Free Latent Diffusion Models for Ultrahigh-Resolution Image Editing
用于超高分辨率图像编辑的免调优潜在扩散模型
机构 * College of Computer Science and Artificial Intelligence, Wenzhou University（温州大学计算机科学与人工智能学院） ； Department of Computer Science, Memorial University of Newfoundland（纽芬兰纪念大学计算机科学系） ； AI Analytics Team, Nasdaq（纳斯达克人工智能分析团队） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室）
AI总结 针对现有图像编辑方法在高分辨率处理上的局限，提出免调优的UltraDiffEdit框架，通过多尺度渐进编辑、多补丁编码、全局-局部一致性去噪及补丁混合采样等技术，实现高质量超高分辨率图像编辑，处理能力达8K且灵活性高。
Comments 29 pages, 29 figures. Published in IEEE Transactions on Neural Networks and Learning Systems
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2026
Efficient Cross-Scale Invertible Hiding Network with Spatial-Frequency Collaboration and Non-Invertible Mechanism
高效跨尺度可逆隐藏网络：空间-频率协作与非可逆机制
机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院）
AI总结 提出CrosInv网络，通过跨尺度可逆模块和非可逆交叉密集模块，结合空间-频率协作特征，提升图像隐藏的质量与非线性表示能力。
Comments IEEE TNNLS submitted by Junxue Yang, Xin Liao (https://msf-hnu.github.io/)
Measuring Model-Induced Discrimination via Efficient Fairness Approximation
通过高效公平近似衡量模型引发的歧视
机构 * Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系） ； Department of Mathematics, National University of Singapore（新加坡国立大学数学系）
AI总结 提出基于流形视角的公平度量HFM，利用集合间距离评估分类器歧视，并设计近似算法ApproxDist提高计算效率，实验表明其兼顾个体与群体公平。
Comments Accepted by TNNLS. These two authors contributed equally
QueryMarket: Cost-Aware Online Active Learning in Data Markets
QueryMarket: 数据市场中成本感知的在线主动学习
机构 * Dyson School of Design Engineering, Imperial College London（帝国理工学院戴森设计工程学院） ； Halfspace (part of Accenture)（埃森哲旗下Halfspace） ； Technical University of Denmark (DTU Management)（丹麦技术大学（DTU管理系）） ； Aarhus University (CoRE)（奥胡斯大学（CoRE））
AI总结 提出QueryMarket框架和OVBAL算法，通过D-最优性准则估计边际效用，在滚动预算约束下实现成本感知的在线主动学习，适应非平稳流和异构标签成本。
Comments 10 pages, 8 figures. Submitted to IEEE Transactions on Neural Networks and Learning Systems
Synchronization of Tree Parity Machines using non-binary input vectors
使用非二进制输入向量同步树奇偶机
机构 * AGH University of Science and Technology（波兰格但尼克技术大学）
AI总结 本文提出利用范围更广的非二进制输入向量改进树奇偶机的同步过程，从而减少同步时间并提升神经密码学的安全性。
Comments This work has been submitted to the IEEE for possible publication
Journal ref IEEE Transactions on Neural Networks and Learning Systems, vol. 35, no. 1, pp. 1423-1429, Jan. 2024
Vision-Assisted Foundation Model for Solving Multi-Task Vehicle Routing Problems
视觉辅助的基础模型解决多任务车辆路径问题
机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） ； Institute of Marine Science and Technology, Shandong University（山东大学海洋科学与技术研究院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Centre for Frontier AI Research, Institute of High Performance Computing, Agency for Science, Technology and Research（新加坡科技研究局高性能计算研究所前沿人工智能研究中心）
AI总结 提出视觉辅助基础模型VaFM，通过将约束编码为图像并融合图节点嵌入，同时解决16种VRP变体，在复杂约束变体上超越现有方法。
Comments Accepted by TNNLS
A Unified Analysis of AdaGrad with Weighted Aggregation and Momentum Acceleration
AdaGrad的统一分析：带加权聚合和动量加速
机构 * JD Explore Academy, Beijing, China（京东探索研究院，北京，中国） ； Facebook, USA（Facebook，美国） ； Meituan, Beijing, China（美团，北京，中国） ； University of Minnesota, Twin Cities, USA（明尼苏达大学双城分校，美国） ； Tencent, Shenzhen, China（腾讯，深圳，中国）
AI总结 本文提出了一种名为AdaUSM的加权AdaGrad算法，通过统一动量方案和新型加权自适应学习率，实现了在非凸随机设置下的O(√(log(T)/T))收敛率，并从新视角解释了Adam和RMSProp的自适应学习率。
Comments IEEE TNNLS
Fidelity-based Probabilistic Q-learning for Control of Quantum Systems
基于保真度的概率Q学习用于量子系统的控制
AI总结 本文提出基于保真度的概率Q学习方法，用于解决强化学习中探索与利用的平衡问题，并应用于量子系统控制，通过迭代更新动作概率实现自然探索策略，提升学习效率。
Comments 13 pages, 16 figures
Journal ref IEEE Transactions on Neural Networks and Learning Systems, VOL. 25, NO. 5, pp.920-933, MAY 2014
Quantum Ensemble Classification: A Sampling-based Learning Control Approach
量子集合分类：基于采样的学习控制方法
AI总结 本文提出基于采样的学习控制方法，用于解决非正交态的量子集合分类问题，通过同时引导不同类成员到目标态实现有效分类。
Comments 32 pages, 15 figures, 2 tables
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 28, 1345-1359, 2017
An Approach to Stable Gradient Descent Adaptation of Higher-Order Neural Units
一种高阶神经单元稳定梯度下降适应的方法
AI总结 本文提出一种基于谱半径的高阶神经单元权重更新系统稳定性评估方法，通过梯度下降实现前馈和递归HONU的适应，确保每一步适应过程的稳定性，从而保证整个神经架构对目标数据的适应性。
Comments 2016, 13 pages
Journal ref IEEE Transactions on Neural Networks and Learning Systems,ISSN: 2162-237X,2016
Quaternion Gradient and Hessian
四元数梯度与Hessian
机构 * College of Science, Harbin Engineering University, Harbin 150001, China（哈尔滨工程大学理学院） ； Department of Electrical and Electronic Engineering, Imperial College London, SW7 2AZ London, UK（伦敦帝国理工学院电子与电气工程系）
AI总结 本文提出基于广义HR算子的新四元数梯度和Hessian定义，简化了四元数最优化算法的推导，使直接在四元数域中进行优化成为可能，提高了算法设计和评估的效率。
Comments 23 pages
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2016, 27(2):249-261
Machine Learning Methods for Attack Detection in the Smart Grid
智能电网中攻击检测的机器学习方法
AI总结 本文提出利用机器学习方法检测智能电网攻击，通过批量和在线学习算法结合特征和决策融合，分析攻击向量的统计与几何特性，提升攻击检测性能。
Comments 14 pages, 11 Figures
Journal ref A version of the manuscript was published in IEEE Transactions on Neural Networks and Learning Systems, 19 March 2015
Learning Geo-Temporal Non-Stationary Failure and Recovery of Power Distribution
学习电力分配网络的地理时间非平稳故障与恢复
AI总结 本文研究电力分配网络在非平稳环境下的故障与恢复行为，提出新的建模方法，并通过实际案例验证模型参数学习的有效性。
Comments 12 pages, 12 figures, Accepted with minor revisions by TNNLS, Special Issue on Learning in Nonstationary and Evolving Environments. arXiv admin note: text overlap with arXiv:1202.4720
Accelerated Canonical Polyadic Decomposition by Using Mode Reduction
利用模式约简加速典型多路分解
AI总结 针对高阶张量CP分解中频繁展开至N个模式导致的效率瓶颈，提出一种将N阶张量先转化为3阶张量再分解的方法，避免逐模式展开，同时保持分解唯一性并提升效率。
Comments 12 pages. Accepted by TNNLS
Forgettable Federated Linear Learning with Certified Data Unlearning
具有认证数据遗忘的可遗忘联邦线性学习
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Renmin University of China（中国人民大学）
AI总结 提出一种基于预训练模型线性近似的联邦遗忘框架，通过联邦线性训练实现高效、安全且可认证的客户端数据遗忘。
Comments IEEE Transactions on Neural Networks and Learning Systems
Journal ref IEEE Transactions on Neural Networks and Learning Systems, Early Access, pp. 1-10, 2026
A Survey on Vision-Language-Action Models for Embodied AI
具身人工智能中视觉-语言-动作模型的综述
机构 * Chinese University of Hong Kong（香港中文大学） ； University of Bristol（布里斯托大学） ； Huawei Noah’s Ark Laboratory（华为诺亚实验室）
AI总结 本文综述了具身人工智能中视觉-语言-动作模型的发展，探讨了其在机器人任务中的应用，分类了三种主要研究方向，并讨论了面临的挑战与未来方向。
Comments Project page: https://github.com/yueen-ma/Awesome-VLA
Journal ref IEEE Transactions on Neural Networks and Learning Systems (Early Access), 2026
Dual-domain Multi-path Self-supervised Diffusion Model for Accelerated MRI Reconstruction
双域多路径自监督扩散模型用于加速MRI重建
机构 * Department of Radiology, Northwestern University（放射科，西北大学） ； Department of Biomedical Engineering, Huazhong University of Science and Technology（生物医学工程系，华中科技大学）
AI总结 本文提出双域多路径自监督扩散模型，通过自监督训练方案、轻量混合注意力网络和多路径推理策略，提升MRI重建的准确性、效率和可解释性，克服传统模型依赖全采样数据的局限。
Comments Accepted at IEEE-TNNLS, 13 pages
M4CXR: Exploring Multi-task Potentials of Multi-modal Large Language Models for Chest X-ray Interpretation
M4CXR：探索多任务潜力的多模态大语言模型在胸部X光解读中的应用
机构 * DEEPNOID Inc.（DEEPNOID公司）
AI总结 本文提出M4CXR，一种多模态大语言模型，通过链式推理策略提升胸部X光报告生成的临床准确性，并在视觉问答和视觉 grounding 任务中表现出色。
Journal ref IEEE Transactions on Neural Networks and Learning Systems, vol. 36, no. 10, pp. 17841-17855, Oct. 2025
Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
推断多智能体强化学习中的潜在时序稀疏协调图
机构 * Australian Artificial Intelligence Institute (AAII), Faculty of Engineering and Information Technology, University of Technology Sydney（澳大利亚人工智能研究所（AAII），悉尼科技大学工程与信息技术学院）
AI总结 本文提出一种潜在时序稀疏协调图(LTS-CG)用于多智能体强化学习，通过历史观测计算智能体对概率矩阵，构建稀疏图以捕捉依赖关系和不确定性，同时减少计算复杂度并提升协作效率。
Comments Accepted by IEEE TNNLS on 17-Nov-2024. Update Discussion
An Attention-Assisted Multi-Modal Data Fusion Model for Real-Time Estimation of Underwater Sound Velocity
一种结合注意力机制的多模态数据融合模型用于实时估计水下声速
机构 * Faculty of Information Science and Engineering, Ocean University of China（中国海洋大学信息科学与工程学部） ； School of Environmental Science and Engineering, Ocean University of China（中国海洋大学环境科学与工程学院）
AI总结 本文提出一种结合注意力机制的多模态数据融合卷积神经网络，用于实时估计水下声速剖面，通过提取远程感应海面温度数据与历史声速剖面特征之间的关系，提升估计精度和鲁棒性。
Journal ref IEEE Transactions on Neural Networks and Learning Systems,2026
End-to-End Image Compression with Segmentation Guided Dual Coding for Wind Turbines
风力涡轮机图像的端到端图像压缩：基于分割引导的双模式编码
机构 * Wind Power LAB（风电实验室） ； Institut de Robòtica i Informàtica Industrial, CSIC-UPC（工业机器人研究所，西班牙国家研究委员会-加泰罗尼亚理工大学） ； Department of Photonics Engineering, Technical University of Denmark (DTU)（丹麦技术大学光子工程系）
AI总结 本文提出端到端深度学习框架，结合分割与双模式压缩，提升风力涡轮机图像压缩效率，确保缺陷检测精度。
Comments Accepted to TNNLS 2026
MAD: Meta Adversarial Defense Benchmark
MAD：元对抗防御基准
AI总结 本文提出MAD基准，通过生成两大数据集和评估协议，解决现有对抗训练方法的高成本、低泛化性和模型冲突问题，引入基于元学习的对抗训练算法Meta-AT，提升模型鲁棒性与清洁样本分类精度。
Comments 12 pages, 11 figures,IEEE Transactions on Neural Networks and Learning Systems
