研究表明，符号回归中的架构选择对目标公式的恢复至关重要，使用EML操作符进行测试。
Chakshu Gupta
结构引导扩散模型（SGDM）通过整合结构信息，实现EEG视觉重建，提升图像保真度。
Yongxiang Lian, Yueyang Cang, Pingge Hu 等
Lsys编码在神经网络进化中表现优异，食物计数达到3802，超越Matrix编码。
Alexander Stuy, Nodin Weddington
MARS模型通过并行化和跳跃连接实现了21倍训练加速和显著性能提升。
Coşku Can Horuz, Andrea Ceni, Claudio Gallicchio 等
基于相似度的投资组合在黑箱优化中通过k近邻微调实现性能提升。
Catalin-Viorel Dinu, Diederick Vermetten, Carola Doerr
结合卷积和延迟学习的递归脉冲神经网络在音频分类任务中实现了52倍推理加速和99%参数节省。
Lúcio Folly Sanches Zebendo, Eleonora Cicciarella, Michele Rossi
使用尖峰神经网络进行电源转换器健康监测的神经形态参数估计，能耗降低约270倍。
Hyeongmeen Baik, Hamed Poursiami, Maryam Parsa 等
通过模拟小鼠皮层神经发生过程，生成85个神经元的最小神经回路，经过一次训练在MNIST上准确率超90%。
Duan Zhou
cHM算法是一种通用的连续优化框架，在28个基准函数上表现优异。
Piotr A. Kowalski, Szymon Kucharczyk, Jacek Mańdziuk
大语言模型作为神经数字生态系统的语义接口和伦理中介，提出神经语言整合新范式。
Alexander V. Shenderuk-Zhidkov, Alexander E. Hramov
实现预测编码网络的可综合RTL架构，支持局部预测误差动态，硬件直接执行学习更新。
Timothy Oh
利用二次代理吸引子优化粒子群算法，提升全局收敛性和鲁棒性。
Maurizio Clemente, Marcello Canova
在神经形态硬件上实现联邦少样本学习，使用FedUnion策略保持77.0%准确率。
Steven Motta, Gioele Nanni
提出一种基于SRAM的CIM加速器，优化线性衰减尖峰神经网络，能效提高15.9至69倍。
Hongyang Shang, Shuai Dong, Yahan Yang 等
Stable Spike通过位操作实现双重一致性优化，提升SNN在超低延迟下的识别性能，准确率提高至8.33%。
Yongqi Ding, Kunshan Yang, Linze Li 等
本文提出了一种事件驱动的E-Skin系统，通过动态二进制扫描和实时SNN分类，实现了12.8倍扫描次数减少和92.11%的识别准确率。
Gaishan Li, Zhengnan Fu, Anubhab Tripathi 等
提出NEMO-DE和NEEF-DE两种进化框架，实现近场多源定位，避免网格化误差。
Seyed Jalaleddin Mousavirad, Parisa Ramezani, Mattias O'Nils 等