通过发展新方法：有向各向异性扩散图（directed anisotropic diffusion map），我们能够有效地提取出低维流形中的潜在演化动力学，并应用于真实的脑电图（EEG）数据，找到了适当的有效坐标，推导出能够检测状态转变过程中的临界点的早期预警信号。

Sep, 2023

本文提出了一种名为 FGI 的新的重标记策略用于改善回报稀疏性问题，并通过引入动态模型来生成模拟轨迹来提高采样效率，提出了一种名为 MapGo 框架用于目标导向任务的模型辅助策略优化， 并在复杂任务上的实验证明了 FGI 策略相比后见策略的有效性，并且 MapGo 框架相对于无模型的基线表现出更高的采样效率。

May, 2021

使用可学习的图像提示将预训练的人体轨迹预测器的输入增强，从而使预测器能够从极少量的新数据中推断出部署场景的趋势，从而解决特定场景下的人体轨迹预测问题。

Dec, 2023

该研究提出了一种名为 EigenTrajectory 的轨迹预测方法，通过降低轨迹描述符的复杂性，并在新的 ET 空间中表示行人的移动，结合社交互动和众多实验，证明了该方法在轨迹预测中显著提高准确性和可靠性。

Jul, 2023

本文介绍一种基于图形结构的方法，用于在时间序列预测的深度学习中统一相对和层次的归纳偏见，该方法相对其他方法效果更佳。

May, 2023

一种支持多元时间序列预测的灵活模型，可以基于完全联通或双部分图推断时间序列之间的关系，提供高精度或高效率预测并降低时间和内存复杂度。在多个数据集中表现优于之前的图推断方法。

Mar, 2022

本文研究数据分析中的低维数据表示问题，提出了一种名为扩散映射的算法，能够将复杂高维数据嵌入低维欧几里得空间，从而实现长时间演化系统的高效识别与聚类分析。

Mar, 2005

利用 GPS 信息收集了大量的地理轨迹信息，本文提出了高效的算法从中生成准确的地图，严格评估表明与现有工作相比，增加了 Biagioni f-score 并将执行时间减少了一个数量级，并开放源代码以便其他研究人员借鉴。

Feb, 2017

机器学习辅助的框架，结合流形学习、神经网络、高斯过程和无方程多尺度模型以检测复杂系统中的临界点并描述其附近罕见事件（如灾难性转变）的概率。

Sep, 2023

本文介绍一种基于稀疏回归和自编码器的算法，通过在简化空间中寻找非线性系统的动力学描述，实现了均衡模型复杂性和描述能力，同时提升了解释性和推广能力，同时在多个高维非线性系统中测试了该方法的优势。

Mar, 2019