- 无穷假设集的拉什蒙比率
在给定分类问题和一系列分类器的情况下，Rashomon 比率度量了产生小于给定损失的分类器所占的比例。我们考虑了无限分类器组的更一般情况，证明了 Rashomon 比率的增加可以保证在从分类器组的随机子集中选择具有最佳经验准确性的分类器，从 - EGNN-C+：可解释的演化粒状神经网络及其在弱监督脑电数据流分类中的应用
我们介绍了一种改进的增量学习算法，用于进化颗粒神经网络分类器（eGNN-C+）。我们使用双边界超立方体来表示颗粒，并自定义适应过程以增强外部边界对数据覆盖和噪声抑制的鲁棒性，同时确保内部边界保持灵活以捕捉漂移。分类器从头开始进化，即时融入新 - 量子神经网络与集成学习抑制平台效应和代价函数集中
通过采用集成学习的方法，本研究提出了一种创新的量子神经网络构建方法，解决了梯度消失和代价函数集中的问题，在分类问题的背景下，与传统构建的量子神经网络进行了对比分析，展示了我们创新方法的潜在优势。
- 高能物理领域的混合量子视觉变形器用于事件分类
基于视觉变换器架构的模型在图像分类任务中被认为是最先进的。本文构建了几种量子混合视觉变换器的变体，用于高能物理中的分类问题，并将它们与经典视觉变换器架构进行了测试。我们的研究结果表明，在参数数量相似的情况下，混合模型可以达到与经典模型类似的 - 梯度下降学习的超参数化 Transformer 分类器的收敛速度
通过研究基于生成性预测变压器的语言模型 ChatGPT，本文综合考虑模型逼近能力、泛化能力和基于具体数据集的优化，给出了对变压器网络在误分类概率上限的理论界限，并以自然语言分类问题为背景进行探讨。
- RELand: 通过可解释的不变风险最小化估计地雷风险
我们提出了一种用于支持清除地雷任务的 RELand 系统，它包括三个主要组件：增强全球排雷常规数据集的一般特征工程和标签分配指南，将地雷存在问题转化为分类问题并设计了一种基于稀疏特征屏蔽和不变风险最小化的新型解释模型，在类似于实际排雷操作的 - 标注模糊图像：基于真实世界的生物医学骨折诊断验证的图像分类一般标注策略
该论文介绍了解决生物医学应用中的分类问题的通用策略，并用 300,000 个注释构建了脊柱骨折数据集。
- 基于 DNN 的国家识别新数据和方法
本文利用 3.8 万张包含地理位置信息的图像构建数据集 VIPPGeo，并利用该数据集进行国家识别问题的分类模型训练与实验，发现比直接基于地理坐标估计图片拍摄地并追溯国家更为有效，结果优于现有研究。
- Pareto Conditioned Networks
本研究提出了一种名为 Pareto Conditioned Networks (PCN) 的方法，使用单一神经网络涵盖所有非支配策略，通过在特定的回报条件下进行训练，将优化问题转化为分类问题，实现对所需的 Pareto-efficient - KDDTIMME: 多任务多关系嵌入实现 Twitter 意识形态检测
本篇文章主要研究如何利用多任务多关系嵌入模型（TIMME）处理 Twitter 数据集中的意识形态探测分类问题，文章指出 TIMME 相比其他模型有更好的综合表现。
- 使用类内分割进行开放式识别
本文介绍了一种利用深度神经网络作为端到端开放集分类器的方法，并基于类内数据拆分。作者将给定的数据划分为典型和非典型标准子集，使得在异常类的模拟上更有效，即将开放集识别问题转化为传统的分类问题。此外，作者还提出了一种闭集正则化方法，以保证闭集 - ECCVCPlaNet: 通过组合式地图划分增强图像地理定位
提出了一种称为组合划分的简单但有效的算法，该算法通过相交多个粗粒度分割地球的分割方式，生成大量细粒度的输出类，使我们能够在细粒度上预测位置，同时为每个类别保持足够的训练示例。该算法在多个基准数据集上实现了最先进的位置识别性能。
- 目标偏移下的多源域自适应最优传输
本文提出了一种基于最优传输的多源域自适应方法解决目标移位下的分类问题，实验结果表明相比现有技术在卫星图像分割任务上具有较好的性能。
- ICLR学习句子表示的高效框架
本文提出一种从未标记数据中学习句子表示的简单有效的框架，通过将句子出现的上下文预测问题重新表述为分类问题，并基于句子向量表示来区分上下文句子和对比句子，并在多个下游 NLP 任务中展示了高质量的句子表示的超越性能以及训练时间的数量级加速。
- ECCV通过分类方式生成回归森林：应用于目标姿态估计
提出一种新的节点分割方法来建立回归树，它找到局部最小化经验损失的训练数据集的簇，而不是依赖于试错方法，然后将问题分类处理以确定分割规则，能更加有效地处理不同的目标空间。
- 局部似然估计的空间聚合及其在分类中的应用
本文提出一种新的空间自适应局部 (常数) 似然估计方法，适用于广泛的非参数模型，包括高斯、泊松和二元反应模型，并建议一种新的选取程序参数的方法，同时对其优化性提出一些理论结果，并将此方法应用于分类问题的数值研究中，展示其在模拟和实际问题中的