该论文结合了机器学习和运筹学的想法，提出了一种基于数据的最优决策框架和方法，应用于条件随机优化问题中，证明了该方法的实用性和广泛适用性，并通过一个库存管理问题的实际案例展示了该方法的优越性。

Feb, 2014

本文提出了一种新的优化框架，用于学习准确且精简的两级布尔规则，通过线性规划松弛，块坐标下降和交替最小化等高效算法来更新优化函数，以实现准确性和可解释性之间的平衡。实验表明，我们的方法在准确性和可解释性之间提供了很好的权衡。

Jun, 2016

该文介绍了一种机器学习算法，用于构建包含少量析取合取式（或代数乘积的或）的分类器，并提供了两种概率模型以便形成模式集合。同时，他们也提供了两种可扩展的 MAP 推断方法，这些推断方法有助于预测有关车载上下文感知个性化推荐系统的用户行为。

Apr, 2015

提出了一种基于操作的离散推理框架 OPERA，通过使用轻量级符号操作作为神经模块来实现推理能力和可解释性，该方法在多个数据集上进行了广泛实验并取得了不错的成果。

Apr, 2022

通过引入跨语言训练策略，深入分析和改进基于 Discourse Representation Structure（DRS）的语义表示分析模型，在英语、德语、意大利语和荷兰语的标准基准测试中取得了最先进的结果，并为未来的 DRS 分析研究提供了深入的见解。

Jun, 2024

本文基于 Guo 等人 (2016) 的深度相关匹配模型 (DRMM)，探讨了几种新的文件相关性排序模型。加入上下文有关的编码，包括多视图的查询和文档输入，测试证明新模型优于 BM25，DRMM 和 PACRR。

Sep, 2018

在游戏理论中，一个游戏指的是理性决策者或玩家之间相互作用的模型，他们通过选择来实现各自的目标。本文简要概述了一种快速发展的用于大型游戏的游戏推理框架 —— 策略空间响应预言机（PSRO）。我们首先阐述了引入 PSRO 的动机，并提供了历史背景和将其置于游戏推理方法中的位置。然后，我们重点讨论了 PSRO 中的策略探索问题，即在最小计算成本下构建一个有效的策略组合来建模潜在游戏的挑战。我们还总结了当前提高 PSRO 效率的研究方向，并探讨了 PSRO 在不同领域的应用。最后，我们讨论了未来研究的开放问题。

Mar, 2024

通过比较 LARS 程序及 LDSR 语言的表达能力，本文找出了各自的限制条件并确定了它们可以相互表达的片段。

Aug, 2022

本研究使用基于优化的机器学习框架构建了 Or's of And's 模型，其中包括 Optimized OA (OOA) 和 Optimized OA with Approximations (OOAx) 两种方法，用于诊断阻塞性睡眠呼吸暂停症，这些模型不仅能够高准确性地识别睡眠暂停，同时更具解释性。

Nov, 2015

本文介绍了一种新的基于判别式局部模型的 And-Or 图方法来表示和识别目标形状，该方法克服了困难的背景环境和大量的形态变化，并且不需要太多的监督和初始化。

Feb, 2015