该研究介绍了一种基于组成 - 结构双模态学习的多模态机器学习方法，用于提高实验测得的材料性质的学习和预测，同时通过数据增强技术，显著减小了材料性质的预测误差。

Aug, 2023

该篇论文提出了一种基于半定规划的自适应、可扩展模型的算法，用于优化机器学习、离散优化和贵重求值黑盒函数所需的组合结构，该算法在实验中表现优于组合和贝叶斯优化等其他方法。

Jun, 2018

基于 ResNet-152 和 SGCN, 结合多模态多任务相关学习 (MultiCoFusion) 的多模态融合框架可用于肿瘤的生存分析和癌症等级分类，基于 The Cancer Genome Atlas (TCGA) 的实验结果表明，MultiCoFusion 的表现优于传统的特征提取方法。

Jan, 2022

该研究提出了一个多模态（视觉和语言）基准，用于合作和异构多智能体学习。研究介绍了一个基准多模态数据集和一致的评估协议，并探讨了不同模态对多智能体学习性能的影响，同时也介绍了智能体之间的简单信息传递方法。结果表明，在这种设置下，多模态引入了合作多智能体学习的独特挑战，并且在提高多智能体强化学习方法方面还有很大的改进空间。

Aug, 2022

通过创新的多模态学习方法，本研究采用量子计算中数据形式的两种不同模态：测量结果和编译电路的经典描述，从而建立了一个全面的数据表示。通过对不同噪声模型的平台进行评估，结果显示相比随机测量，我们的方法在预测准确性上有三个数量级的提升，从而为跨平台验证中每种模态的互补作用提供了有力证据。这些发现为利用多模态学习克服更广泛的量子系统学习任务中的挑战铺平了道路。

Nov, 2023

本文提出一种适用于高维响应多方面随机区块模型用于量化时间协作研究，提出两种基于 Gibbs 抽样和变分方法的推断过程，并在模拟数据上进行了彻底的评估，并进行了实证分析 S. cerevisiae 中基因表达和代谢物浓度之间协调作用的功能机制。

Jan, 2014

本文在图像检索中，研究了使用多个多模态查询的检索场景，并提出了一种新的多模态概率组合器，用于检索具有多个多模态查询指定语义概念的目标图像，同时在基于 MS-COCO 数据集的新基准上评估了我们的模型表现。

Apr, 2022

应用贝叶斯算法的 SAGE 算法通过多模态核主成分分析将来自不同数据源的知识合并，学习合成 - 结构 - 性能关系，从而克服高维复杂材料搜索空间和知识融合的挑战。

Nov, 2023

提出一种基于集合的多模态 VAE 方法，可以直接对联合模态后验分布进行建模，从而在处理缺失模态等方面具有优异性能，适用于无序跨模态生成任务。

Dec, 2022

本文提出了一种基于结构耦合核的 BO 方法 LADDER，使用深度生成模型的潜在表示来优化组合空间，解决了传统 BO 方法中代理模型只利用深度生成模型学习的信息对黑盒函数进行近似的缺陷，并通过实验验证表现优越。

Nov, 2021