本文提出了一种多分辨率逼近方法 (M-RA) 来处理具有不同空间坐标观测值的高斯过程，并基于多尺度基函数对空间结构进行建模。该方法既适用于参数推断，又适用于大规模数据集的预测，并且可以在分布式计算环境下实现并行化。通过模拟数据和卫星数据集的比较实验，M-RA 方法表现出优越的性能。

Jul, 2015

本文提出了利用多视角框架的分类算法，以帮助训练对于精细分辨率下的数据有效的模型，应用于通过卫星观测进行城市区域绘图和文本数据的情感分类等实际应用中具有很好的效果。

Jan, 2020

通过将粗糙、低分辨率地理单元的聚合城市数据细分，我们尝试合成细粒度、高分辨率的城市数据，并提出了三种改进方法以提高细分结果。

Jun, 2023

本文研究了使用粗粒度数据（文档或句子标签）替代对文档进行标注以进行事件信息提取的可行性，证明了使用多任务模型和二元分类等技术，即使只增加对没有事件信息的负面文档的标注也能提高提取性能。

May, 2022

提出了一种基于生成模型的动力学系统简化方法，该方法能够实现高维、多尺度动态系统的降维，并在粒子动力学多尺度物理系统中进行有效预测。

Jan, 2021

本文提出了一种针对全球数据的时空建模扩展方法，将多分辨率逼近（MRA）方法与分区及复杂协方差模型拟合相结合，实现了可扩展的计算性能和灵活的协方差模型，为分析全球性数据提供了实用的策略。

Jun, 2020

介绍了基于日志高斯卡克斯过程模型的空间和时空点过程数据，并探讨了推断的方法。同时，通过四个应用程序演示了该模型的实用性。论文认为这类问题自然适用于空间统计学领域，且该领域更适用于科学问题的研究，而非特定的模型或数据格式。

Dec, 2013

介绍了一种新的基于概率框架在非成对数据之间的统计降尺度方法，该方法将最优输运地图和基于后验条件采样的概率扩散模型相结合，从而不需要成对数据便能还原有偏差样本中的相关物理统计数据，并在天气和气候的数值模拟中得到了实用验证。

May, 2023

该论文提出了一种空间模型，可以允许空间依赖结构随着位置的变化而变化，并开发了一种分层模型，可以将这种不确定性纳入结果推理中，该方法已应用于有毒废物处理领域。

Dec, 2022

该研究针对 3D 扫描时获得的稀疏、非均匀和嘈杂点云，提出了一种基于多目标的两级级联网络，包括稠密生成器和空间细化器，能够生成密集的均匀点集，同时修补小洞并调整每个点的位置，结果表明该方法优于现有技术。

Jun, 2021