这篇论文在声学信号处理领域，重点讨论声学数据、机器学习、深度学习、以及肠鸣声分析的技术和发展。

Dec, 2023

本文介绍了一种新的信号处理和机器学习交叉领域的混合技术 —— 基于模型的深度学习系统。这种新技术结合了传统的数学模型与深度学习的优势，可以通过限定的数据量学习数据，同时保留先前领域知识，以期获得更高效的性能。本文提出了一种新的系统分类方法，并提供了具体的指南和来自最近文献的信号处理案例，以帮助未来基于模型的深度学习设计与研究。

Dec, 2020

利用深度学习技术，本研究旨在探索数据驱动感知、优化和控制在工艺产业中的应用及相关挑战，并提出基于统计和机器学习的混合建模方法与领域知识相结合的数据驱动方案。

Jan, 2024

本文探讨了机器学习与传统基于物理模型的建模方法相结合解决复杂科学和工程问题的创新方法，总结了这些方法的应用领域，并描述了用于构建基于物理引导的机器学习模型和混合物理 - 机器学习框架的分类方法，提出了现有技术的分类方法，揭示了知识漏洞和不同学科间方法的潜在交叉点，可用作未来研究的思路。

Mar, 2020

这篇论文介绍了如何将数据驱动的机器学习方法应用于通信网络中的边缘计算和云计算，并探讨了监督学习和无监督学习的基础知识。

Aug, 2018

通过对傅里叶变换和小波变换等信号分解方法的简洁比较分析，讨论了衡量语音可懂度的指标，并提供了数学定义和直观解释，以帮助机器学习工程师在选择、调整和评估特定机器学习模型的分解方法时做出明智决策。

Mar, 2024

近年来，广泛的研究已经进行了探索，以利用机器学习算法在各种直接检测和自相干短距离通信应用中的应用。特别强调其在高带宽需求的被动光网络中的利用，我们介绍了一种用于机器学习信号处理的时间序列方法的新型分类法，提供了一个结构化的分类框架。最后，我们强调了这个快速发展领域中的未来研究方向，并提出了解决硬件实现复杂性问题的具体解决方案，以便在短距离光通信系统中更实用和高效地部署机器学习方法。

May, 2024

本文简要介绍大数据分析和机器学习，并探讨它们在下一代无线网络中的潜在应用。提出了一个统一的大数据辅助的机器学习框架，用于预测移动用户的要求，并利用它来改善社交网络感知无线网络的性能，为了描述该框架的效率，提供了一对智能实际应用作为案例研究，以及为激励未来的研究提供开放式研究机会。

Jan, 2019

本文提出了一种基于图形的语义语言和目标过滤方法，以实现面向目标的信号处理，从而为各种信号处理应用定制了一种新颖的语义信号处理框架。

Sep, 2021

该研究文章综述了当前音频信号处理领域中基于深度学习的技术，着重介绍了其在语音、音乐、环境声音处理中的相同点和差异，强调了其潜在的交叉互补性。文章介绍了主要的特征表示和深度学习模型，以及其在音频识别和合成分离领域的应用，并最终确定了深度学习在音频信号处理中的关键问题和未来研究方向。

Apr, 2019