热点事件历史事件
dSPM框架逆向识别猕猴DMFC预测算法
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
2026年10月16日，Calbick、Kim、Sohn 与 Yildirim 在 bioRxiv 发布预印本（尚未完成同行评审），提出名为 Dynamical Structure-Preserving Manifolds（dSPM）的多层级逆向工程框架。据该预印本描述，这一框架无需训练即可将循环神经网络编程为可检验的神经算法假设，并用于以动态保结构流形反推猕猴 DMFC（背内侧前额叶皮层）在物理场景预测中所用的算法。目前该工作仅以预印本形式公开，尚未经过同行评审，其方法有效性与结论可靠性有待独立验证；报道未提供样本量、对照设置或与其他建模方法的比较结果，也未说明相关发现能否推广到其他脑区或物种。
AI 根据报道生成 · 11 天前更新
最新进展10月16日 08:00
dSPM框架预印本发布，称无需训练即可将循环网络编程为可检验的神经算法假设。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- bioRxiv · NeurosciencedSPM框架以动态保结构流形反推猕猴DMFC的物理场景预测算法
Calbick、Kim、Sohn 与 Yildirim 在 bioRxiv 发布预印本（未完成同行评审），提出 Dynamical Structure-Preserving Manifolds（dSPM）多层级逆向工程框架，无需训练即可将循环神经网络编程为可检验的神经算法假设。