- 应用图神经网络预测全球天气
使用图神经网络的数据驱动方法预测全球天气，通过学习当前 3D 大气状态的六小时步长以及多步连接，可以产生数天后的精准预报，测试表现优于以前的数据驱动方法，并且与 GFS 和 ECMWF 的物理模型的全分辨率相当可比。
- IJCAITaylor-Lagrange 神经常微分方程：迈向快速训练和评估神经 ODE
提出了一种数据驱动的积分方法，称为 Taylor-Lagrange NODEs (TL-NODEs)，它使用定阶 Taylor 扩展进行数值积分，同时学习估计扩展的近似误差，从而在保持准确性的前提下，仅使用低阶 Taylor 扩展，大大降低 - 基于下一步自然语言查询推荐的交互式数据分析
我们开发了一个基于数据驱动方法的自然语言接口系统，其中包含了一个逐步查询推荐模块，帮助用户在探索大型复杂 SQL 数据库时进行更有效和系统化地数据分析过程。我们的用户研究表明，相比于没有推荐模块的基准系统，我们的系统可以帮助用户更加高效和系 - 利用模拟优化改进四旋翼零样本策略转移
本研究提出了一种数据驱动方法来优化模拟参数，实现从模拟到实际四旋翼的直接控制，通过强化学习的方式训练低级控制器需要比高级控制策略更精确的模拟。
- CVPR野外场景的极化形状感知
该研究提出了一种新的基于数据驱动和物理学先验信息的场景级别单极化图像法线估计方法，并且建立了第一个真实场景级别形态恢复数据集。该方法采用了多头自注意力与视图编码来处理在野外环境中形成的极化杂波和联机投影问题，实验结果表明，相对于现有的形态恢 - ECCVTAFIM：针对面部图像篡改的定向对抗攻击
本文提出了一种新的数据驱动方法，通过将保护图像嵌入原始图像来防止面部操纵，生成的扰动对常见图像压缩具有鲁棒性，同时引入关注度融合机制，从而提高保护效果。
- ICLR面向硬件加速器构建的数据驱动离线优化
本文提出了一种数据驱动的离线优化方法 PRIME 来设计适用于单个和多个应用的加速器，并通过学习保守、稳健的成本函数来优化设计，从而提高了性能，并大大减少了所需的总模拟时间。
- 学习选择剪枝以提高混合整数规划效率
本文提出了一种数据驱动的、可推广的割平面方法 Cut Ranking，用于选择多实例学习中的切割。通过训练一个由特征决定的评分函数，该方法被证明比传统的启发式算法更为有效，可适用于具有不同特性的多种问题，且在实验和在线 A / B 测试中效 - 用于改善视觉特征检测和匹配的学习相机增益和曝光控制
本研究探索了一种数据驱动的方法，通过训练一个深度卷积神经网络模型以预测性地调整相机增益和曝光时间参数，从而实现在光照变化下得到最佳图像质量，以用于视觉测距和视觉同时定位和映射。研究通过实验验证了该方法的优越性。
- ICCV从文化到服装：探索时装图像背后一个世纪的世界事件
本篇论文介绍了一种数据驱动的方法来识别影响人们服装选择的特定的文化因素，同时通过应用多模态统计模型来改善具体的视觉风格预测和图片时间戳的任务，旨在将文化与服装联系起来的可扩展和易于实施的计算方法的第一步。
- 使用 3D 卷积神经网络进行下一个最佳视角回归
本文提出了一种基于卷积神经网络的数据驱动方法来解决 3D 物体重建中的下一个最佳视角问题，验证实验表明，该方法在预测下一个最佳视角、提高物体重建覆盖率和提高运算速度等方面，都有很高的性能表现。
- COVID-19 预测的跨时间序列关注模型
本文旨在探讨是否可以用直接的数据驱动方法有效地预测 COVID-19 病例数量，利用新型机器学习方法 Attention Crossing Time Series（ACTS）成功地在预测新冠病毒感染病例中胜出 18 项测试中的 13 项，表 - AAAI使用具有循环跳连接的编码器 - 解码器模型建模电动机动态
使用数据驱动方法建立一种编码器 - 解码器架构的神经网络模型，以对电力电机的动态进行建模，同时比较了传统神经网络模型的性能，并测试了该方法对于模拟数据的领域自适应能力和对信号复杂性的影响。
- ECCV学习相机感知噪声模型
本论文提出了一种基于数据驱动的方法来学习真实世界的噪声模型，该模型是相机感知的，可以学习不同摄像头传感器的不同噪声特性，实验证明这种方法优于现有的统计噪声模型和基于学习的方法。
- AAAI在 Reddit 中发现和分类语言偏见
本文介绍了一种利用词嵌入发现并分类 Reddit 上语言偏见的数据驱动方法，并通过连接数据中的评价性词语和受保护属性，并经过语义分析系统分类来自动发现 Reddit 社区中编码的语言偏见。
- EMNLP关系之间的关系：关系抽取问题的新范式
本文提出了一种基于图神经网络和关系矩阵变换器的数据驱动关系提取新方法，不需要手工规则，能够完整考虑同一个上下文中的多个关系，并通过对 ACE05 数据集和 SemEval 2018 Task 7.2 等数据集的实验验证，证明该方法优于现有方 - AAAI自监督表示学习的定位加速
通过数据驱动的前景显著性估计和复制粘贴来生成图像视图，实现对背景不变性的学习，从而训练代表性忽略背景内容并专注于前景的对比学习模型，并实现了在 ImageNet 分类和 PASCAL VOC、MSCOCO 目标检测上的显著性能提升。
- 如何评估 GitHub 开源项目的维护水平，了解维护活动程度
通过数据驱动的方法和机器学习模型，本文研究了 GitHub 项目的维护活动水平，揭示了 16% 的项目在一年内未得到维护，并指出 Objective-C 项目具有较低的维护活动水平，软件工具则是维护活动最高的项目类型。这项研究为开发者选择开 - Deep Autotuner: 用于歌唱表演的音高校准网络
本论文介绍了一种基于数据驱动的自动音高校正方法，该方法利用歌唱声音和伴奏音频相应的频谱图之间的关系来预测音符级别的音高变化。该方法通过神经网络模型进行训练，包括卷积层和门控循环单元，可适用于自由即兴和协调音乐演唱。
- MM基于神经网络的篇章关系标记检测方法
本研究使用了数据驱动方法和基于远程监督的神经网络来检测文章中的话语关系信号，开发了一个名为 “Delta s” 的衡量信号强度的度量，该度量通过上下文词嵌入表示每个单词对于关系识别的积极或消极贡献，通过对英文语料的分析，研究了该度量的可靠性