图书信息
内容简介
对 arXiv cs.NE 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 100 篇论文 的细读整理，组织为 32 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 用于数值优化的进化算法 (83.6%) — 本子领域聚焦增强遗传算法与群体智能等进化计算技术，以更高稳健性与效率求解复杂的多目标与连续优化问题。
- 基于大语言模型的自动化启发式设计 (7.8%) — 该领域探索将大语言模型与进化策略结合，自动化设计并优化求解各类计算问题的启发式方法、提示词与算法。
- 脉冲神经网络与神经形态计算 (5.4%) — 本子领域面向节能脉冲神经网络的发展与硬件部署，聚焦稀疏计算、神经形态硬件兼容性与高效推理范式。
- 神经架构搜索与深度学习 (2.0%) — 该方向研究先进的神经架构搜索方法、深度学习模型训练与自适应架构，以提升复杂机器学习任务的性能。
- 脉冲神经元模型中的时间动力学 (0.6%) — 这一细分领域研究脉冲神经元与振荡网络在时间敏感学习任务中的时间处理能力、生物合理性与动态行为。
- 进化策略与自适应控制 (0.4%) — 本子领域聚焦稳健进化策略、协方差矩阵自适应，以及面向自适应系统与人机共演化场景的控制策略自动综合。
- 神经网络中的理论逼近 (0.1%) — 这一理论分支考察神经网络函数的数学性质，包括 ReLU 网络的逼近能力与前向-前向优度函数的设计。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
