- AAAI神经网络水印的信息容量再审：上限估计及其它
用信息理论的角度研究了深度神经网络水印的容量，提出了类似于信道容量的新定义，并设计了一种算法来紧密估计其上界，同时提出了一种通用的非侵入式方法来保证身份信息的传输安全。
- 二元感知机容量的注记
解决二进制感知器容量 αc 的问题，作者给出并证明了一个上界 αc < .847。
- 基于 Fl RDT 的负球形感知器容量的终极降低
通过研究全度零阈值、全度正阈值和部分度负阈值等情况，本文利用全度随机对偶理论（fl RDT）来表征负球面感知器的容量，并通过分析提取了关键上升参数的闭式解析关系，从而在第三级（第二个非平凡级）的规定化全度上升中取得了极好的收敛效果（相对提升 - STAR-RIS 辅助网络中的 DRL 启用覆盖和容量优化
通过多目标策略优化算法提出一种优化方法，以实现 STAR-RIS 辅助网络中的覆盖率和容量性能的优化。数值结果表明，所研究的算法优于传统的 MO 优化算法在不同情况下，包括样本网格的数量，STAR-RIS 的数量，STAR-RIS 的元素数 - 基于深度学习的数据隐藏综述
本文综述了基于深度学习的数据隐藏（深度隐藏）研究的现状及常用架构和应用策略，并从对抗攻击的角度探讨了未来可能的发展方向。
- ICML神经网络能量景观基本无障碍
研究发现，神经网络的能量场通常是平坦的，在极小值点之间存在足够的容量进行结构性变化，且每个极小值点至少有一个消失的 Hessian 特征值。
- ICML深度网络内存化探究
本文研究深度学习中记忆化的作用，探讨了容量，泛化，对抗鲁棒性的联系。作者的实验表明，深度神经网络在优化噪声数据和真实数据时存在数量上的差异，但经过适当的正则化调整（如 dropout），我们可以降低其在噪声数据集上的训练性能，同时不影响在真 - ACL使用 LSTMs 生成隐写文本
为了保护用户隐私，我们设计了一种基于 LSTM 神经网络的语言隐写系统，可以让两个用户在不被攻击者察觉的情况下交换加密信息，并且在 Twitter 和 Enron 邮件数据集上实现了高质量的隐写文本，显著提高了加密位数。
- 高斯多用户信道的容量
本文提出了 “多用户信息理论” 的新范例，即当编码块长度无限增加时允许用户数量增长的模型，探讨了具有随机用户活动特征的高斯多接入信道的容量及其解码方法。
- 神经网络规范化容量控制
研究了一种常规范限制前馈网络的容量、凸性和特征。
- 信道容量的高效逼近
提出一种迭代计算分散无记忆信道容量的方法，包括对输入分布的附加约束；利用凸规划的对偶性，获得了容量的显式上下界。该方法的复杂度为 O（M ^ 2 N√（log N）/ε），其中 N 和 M 分别表示输入和输出字母表的大小；单次迭代的复杂度为 - 带有非理想硬件的大规模 MIMO 系统：能效、估计和容量限制
本文研究了装备大规模天线阵列的基站和单天线用户设备的收发硬件失真对系统容量的影响，结果表明，硬件失真会对每个用户设备的信道估计精度和上行 / 下行容量造成限制，而采用大规模 MIMO 可以减少传输功率和容忍更大的硬件失真，从而使用经济高效的 - MM大规模 MIMO 系统中信道老化的影响
本研究考虑了信道老化对大规模 MIMO 系统性能的影响及其预测方法。结果表明，即使存在一定的信道变化，大规模 MIMO 系统仍能工作，并且信道预测可以部分地克服信道老化效应。
- 最小误差熵准则的学习理论方法
研究了最小误差熵准则和经验风险最小化算法在回归设置中的应用，提出了一种学习理论方法，并在 MEE 缩放参数较大的情况下提供了显式误差界，在泛化误差方面进行了新颖的渐近分析，并介绍了半范数和涉及的对称最小二乘误差，与一些排名算法有关。
- Schalkwijk 和 Kailath 主题的变体
本文介绍了 Schalkwijk 和 Kailath（1966）开发的一类用于高斯信道的分组码，该码在理想反馈下的译码误差概率随块长度呈二次指数减小，本文用 Elias（1956）的一个结果解释并简单推导了该结果，接着展示了 Schalkw - 自由空间光强度通道的容量
本文提出了关于自由空间光强通道容量的新上下界，通道的输入为非负（代表传输光强），输出受大量独立源引起的加性白噪声影响，因电池和安全原因，输入同时受到平均功率和峰值功率的限制。
- 二元输入随机码分多址系统容量的严格界限
本文探讨多用户二进制输入加性白噪声信道上的多址通信，运用随机扩展码分复用技术，对于一类对称分布涂抹系数，在大量用户情况下，我们证明了一个容量的上界，与 Tanaka 公式一致，同时还展示了多个相关量的浓度，包括相互信息，容量和自由能，该数学