圖書信息
內容簡介
對 arXiv cs.NE 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 100 篇論文 的細讀整理，組織為 32 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 用於數值優化的進化算法 (83.6%) — 本子領域聚焦增強遺傳算法與群體智能等進化計算技術，以更高穩健性與效率求解複雜的多目標與連續優化問題。
- 基於大語言模型的自動化啟發式設計 (7.8%) — 該領域探索將大語言模型與進化策略結合，自動化設計並優化求解各類計算問題的啟發式方法、提示詞與算法。
- 脈衝神經網絡與神經形態計算 (5.4%) — 本子領域面向節能脈衝神經網絡的發展與硬件部署，聚焦稀疏計算、神經形態硬件兼容性與高效推理範式。
- 神經架構搜索與深度學習 (2.0%) — 該方向研究先進的神經架構搜索方法、深度學習模型訓練與自適應架構，以提升複雜機器學習任務的性能。
- 脈衝神經元模型中的時間動力學 (0.6%) — 這一細分領域研究脈衝神經元與振盪網絡在時間敏感學習任務中的時間處理能力、生物合理性與動態行為。
- 進化策略與自適應控制 (0.4%) — 本子領域聚焦穩健進化策略、協方差矩陣自適應，以及面向自適應系統與人機共演化場景的控制策略自動綜合。
- 神經網絡中的理論逼近 (0.1%) — 這一理論分支考察神經網絡函數的數學性質，包括 ReLU 網絡的逼近能力與前向-前向優度函數的設計。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
