- 基于克里金法的伪标签生成增强地面 PM2.5 预测
通过引入一种称为普通克里金法的空间插值技术生成的伪标签，将未标记的卫星图像与稀疏的地面测量数据融合，从而充分利用可用的卫星数据资源来增强卷积神经网络 - 随机森林模型的性能，提高空间相关性并降低预测误差。
- 从 RCT 出版物中提取重叠的 PICO 实体的基于 Span 的模型
PICOX 通过识别开始和结束实体的单词，并使用多标签分类器将一个或多个 PICO 标签分配给跨度候选项，从而优于基线方法，在多个数据集上表现出更高的精确度、召回率和 F1 得分，并通过数据增强策略有效地减少了误报，提高了精确度。
- 通过多跳问答数据集和伪指导调整实现大型语言模型的鲁棒性时序推理
本文提出了一个复杂的时间问答（QA）数据集 Complex-TR，重点关注多答案和多跳的时间推理，并提出了一种新颖的数据增强策略来改善大型语言模型（LLMs）的复杂时间推理能力和鲁棒性。实验证明，我们的方法能够显著提高 LLMs 在时间 Q - 动态图回声状态网络与合并快照在传播过程分类中的应用
本研究提出了一种基于 DynGESN 模型和新型数据增广策略（snapshot merging）的新模型用于处理 DPC 任务，通过将相邻快照合并形成新的快照并从中捕获时空特征，采用 logistic regression 得到分类结果。实 - 我选择不透露：用户保护个人数据是否受到惩罚？
本文研究了在个人选择共享可选信息和选择不共享个人数据的情况下，如何确保公正的结果。为解决此问题，提出 Optional Feature Fairness (OFF) 的概念和数据增强策略，并在多个挑战性实际任务中进行了广泛分析。
- 视频视觉 Transformer 用于暴力检测
利用端到端深度学习技术和数据增强策略，提出一种暴力事件自动检测解决方案，相较于先前最好的方法，在一些具有挑战性的基准数据集中取得了良好的性能，可用于帮助执法部门及时采取行动。
- BEVDet：高性能多摄像头鸟瞰视角三维物体检测
本文介绍了一种名为 BEVDet 的算法，它能够基于 Bird-Eye-View 拍摄的视频进行 3D 目标检测，通过利用数据增强策略和升级最大值抑制策略来提高性能，同时在精度和时间效率之间实现出色的平衡。
- EMNLPRocketQAv2：一种用于稠密段落检索和段落重新排序的联合训练方法
提出一种新颖的联合训练方法，将密集型段落检索和段落重新排名进行联合优化，其中动态列表蒸馏、混合数据增强策略和列表训练方法等对于检索和重新排名均具有显著的贡献，实验结果表明该方法在 MSMARCO 和自然问题数据集上具有有效性。
- 一个简单的半监督学习框架用于目标检测
本文提出了一个简单而有效的 SSL 框架 STAC，以及一种数据增强策略，用于视觉物体检测；采用高置信度伪标签更新模型，通过强数据增强实现一致性约束，实验证明在 MS-COCO 和 VOC07 数据集上具备高效性和良好性能。
- 数据增强的特征重新学习用于视频相关性预测
本研究提出了利用特征重学习和三元组排序损失优化视频内容表示的方法，同时提高数据增强策略在帧和视频层级上的应用。在 Hulu 基于内容的视频相关性预测 Challenge 2018 中，本方法表现优异，为内容相关性预测领域提供了创新的思路和技 - 基于数据增强的针对播放干扰的关键词识别技术
本文提出了一种数据增强策略来提高在环境嘈杂的情况下关键词识别，通过利用不同的信号干扰比例和音频污染技术来降低虚警率，取得了 30-45％的相对错误拒绝率的提高。