本文提出基于 KS 统计测试的无 binning 校准方法，使用样条逼近累积分布函数进行重新校准神经网络的输出结果，并在多个图像分类数据集上的实验结果表明，该方法优于现有的校准方法。

Jun, 2020

通过引入加权谱滤波方法来减小核矩阵的条件数并稳定核插值，尤其适用于处理嘈杂数据，在地球物理图像重建和气候图像处理方面具有应用潜力。

Jan, 2024

该论文分析了在过参数化的线性学习问题中，平滑性和低泛化误差之间的关系，并研究了随机傅里叶级数模型，在该模型中，通过等距采样来估计未知傅里叶系数，研究了常规和加权最小二乘估计器的泛化误差，展示了加权三角形插值可以带来较小的过参数化泛化误差。

Jun, 2020

我们提出了一种在一级运动学水平上进行紧密视觉惯性融合的新颖解决方案，通过使用动态视觉传感器而不是普通相机，通过利用三焦几何来建立与事件和相机速度直接相关的关联关系，并展示了如何在高度动态的情况下在短时间间隔内获得速度估计。噪声和异常值使用嵌套的两层 RANSAC 方法处理，通过与预积分惯性信号进行紧密融合并使用滑动窗口优化器获得平滑速度信号。对模拟和真实数据的实验证明，所提出的紧密事件惯性融合可以在高度动态的情景中连续且可靠地估计速度，与绝对坐标无关。此外，在极端情况下，它比传统的基于点位置的视觉惯性测距法实现了更稳定和更准确的运动学估计。

Jan, 2024

本文研究了回归模型的普适能力，用加权最小二乘优化方法，对有噪声数据的计算学习和反演进行了分析。权重方案编码了关于要学习的对象的先验知识和策略，权重来自先验知识可以提高学习模型的泛化能力。

Jan, 2022

通过水平曲线空间内连续均值的 B 样条逼近和插值，我们提出了一种处理粒子轨迹推断问题的方法，可以在一定精度和光滑度下自动处理时间上的分裂情况，并通过对模拟细胞数据进行测试，在推断轨迹方面表现出卓越性能，并突出了尊重数据固有几何特性的插值和逼近的优势。

May, 2024

该研究聚焦于球体上的散乱数据拟合问题，研究了一类加权谱过滤算法在拟合含有可能无界随机噪声的噪声数据时的近似性能。通过开发一种积分算子方法来分析，我们能够推导出加权谱过滤算法的最优 Sobolev 类型误差估计，同时我们还提出了一种分而治之的方案来降低算法的计算负担，并给出了最优逼近误差界。

Jan, 2024

利用最优输运的几何特性提出了一种新的光滑插值概率测度的方法，并将问题简化为经典的欧几里得设置，使我们可以直接利用样条插值的广泛工具箱。与以前的测量值样条的方法不同，我们的插值曲线（i）具有自然的粒子流控制解释，这对于应用非常自然，并且（ii）附带了 Wasserstein 空间上的第一个近似保证。最后，展示了利用薄板样条拟合测度曲面的插值方法的广泛适用性。

Oct, 2020

本文提出了一种视惯性里程计预积分理论，通过相对运动约束将惯性测量融入视觉采样流程中，改善了实时状态估计问题，并在实际和模拟数据集上进行了广泛评估，表明该方法比现有的方法更有效。

Dec, 2015

我们提出了一种可通过不同 iable Pareto 平滑加权框架来替换极端权重值的可微分权重学习方法，从而在估算高维异质处理效应时实现数值稳健的估计，实验结果表明，通过有效地校正权重值，我们的方法优于现有方法，包括传统的加权方案。

Apr, 2024