- PosterLLaVa: 基于 LLM 的统一多模式布局生成器构建
我们研究了自动生成图形布局的统一框架，利用多模态大型语言模型（MLLM）适应不同的设计任务，并进行了大量实验验证其在公开多模态布局生成基准上的卓越性能，同时提出了两个新数据集，进一步验证了该模型在现实生活中的实用性。
- 分布式发电下配电系统基于数据驱动的接地故障定位方法
该研究提出了一种数据驱动的接地故障定位方法，通过分析处理后的数据的统计量，利用人工神经网络找到计算的电压特征与故障之间的映射关系，实现了接地故障的定位。研究结果表明该方法具有良好的潜力，并为测试鲁棒性而应用于未知系统状态的数据集。
- 基于深度学习的插入删除通道标记代码检测
基于深度学习的两种 CSI - 无关检测算法的研究，展示了比原始检测算法有显著提升的错误性能，并表现出对未知信道模型更好的错误性能。
- BrainSCUBA: 视觉皮层选择性的细粒度自然语言描述
利用数据驱动方法生成自然语言描述的研究，通过引入 Contrastive Vision-Language 模型和预训练的大型语言模型构建的 BrainSCUBA 方法，解释了高级视觉区域的功能偏好和对人体的语义敏感性。
- 数据高效学习用于网络事故的功率流
通过数据驱动方法，本研究提出了一种高效的电网潮流学习方法，用于处理带有网络事故的电网系统，并估算相应的概率电压包络。该方法利用网络感知高斯过程预测电压功率函数，提出了一种多任务顶点度核方法，将学习到的核函数推广到未知的电网系统，同时降低了计 - 使用耦合物理信息神经网络和 Akaike 信息准则进行软传感器的 PDE 发现
提出了一种基于 CPINN-AIC 的数据驱动方法来发现软传感器的适当偏微分方程结构和神经网络解决方案。
- 多重网格记忆神经网络用于计算流体动力学
采用数据驱动的方法，通过结合 Video Prediction Transformer 和 Multigrid Architecture，提出了一种名为 MGxTransformer 的新方法，用于对各种不可压湍流进行精确的速度、温度和湍流 - 使用高斯过程回归识别的条件变分自编码器用于参数模型
本文提出了一种基于数据驱动的方法，结合高斯过程回归和条件变分自编码器 (CVAE-GPRR)，用于参数模型，在实现快速在线预测的同时避免模型复杂性和噪声的影响。
- ICML基于数据驱动的线性回归子群识别
本文提出 DDGroup 方法，一种基于数据的方法，能够有效识别在特征和标签之间具有统一线性关系的数据子群组。DDGroup 可以发现参数法无法发现的具有 qualitatively different relationships 的数据子 - 基于三态决策的临床专家主观方法分类精神障碍
本研究提出了一种基于三方决策的疾病诊断方法，包括量化分析、定性分析和基于评估的分析，并可以将疾病分类成三种不同的重要程度级别，该方法可作为一种辅助手段与基于手册的精确诊断工具一起使用，从而提高诊断精度。
- 基于人工智能的管道和仪表图自动生成技术研究
采用数据驱动方法，将控制结构预测视为翻译任务，将过程流程图 (PFDs) 翻译成管道和仪表图 (P&IDs)，并基于转移学习进行模型训练，该方法在 10,000 个生成的 P&IDs 上实现了 74.8% 的前五准确性和 100,000 个 - 句内码位转换语音识别中外语单词的发音生成
本文提出了一种基于数据驱动的方法来解决代码切换语音识别中语音集限制、不同语言音素集和高昂的重建成本等挑战，其核心工作包括音标解码和不同选择策略。我们的实验结果表明，通过我们的方法，混杂的单词层中文英文代码切换识别的混合误差率从 29.15％ - 基于图形因果模型的数据驱动因果效应估计：一项调查
本文综述了通过基于图形因果模型的搜索策略，发现因果效应相关有用知识的数据驱动方法，重点讨论这些方法面临的挑战，探讨了方法的假设、优点和局限性，希望这篇文章能够激励更多的研究人员设计更好的数据驱动方法来解决因果效应估计等领域的实际问题。
- ICMLAnyMorph: 通过推断智能体形态学学习可迁移策略
提出了一种基于数据驱动的方法，学习了一种直接表示动物形态的表示法，即使没有先前动物形态的描述信息，也可以训练出泛化到新动物形态的策略，实现了对新动物形态的零样本学习。
- CVPR利用全局照明上下文的通用光度立体网络
本文介绍了一种名为 “通用光度立体” 的新光度立体任务，旨在开发出一种无需假定特定光照模型即可适用于各种形状、材料和光照变化的解决方案算法，该算法的实现基于一种纯数据驱动的方法，通过提取通用的照明表示 —— 全局照明环境，代替了以往的物理光 - 基于卷积注意力神经框架的结构感知演奏 - 乐谱同步
提出了一种基于数据驱动的结构感知性能指标同步方法，其中使用了卷积 - 注意力架构并采用基于时间序列差异的自定义损失，实验证明该方法可以在各种测试设置下优于先前的同步方法。
- KDD冲浪还是睡觉？理解就寝模式对校园影响
本文为了解决目前关于学生睡眠问题的问题，提出了一种基于数据驱动的方法，通过分析学生在教育管理系统中的网络访问模式来识别学生的睡眠模式并通过学生行为数据建立贝叶斯网络探索行为特征和睡眠习惯的关系以及测试睡眠行为的可预测性。
- IterMVS: 迭代概率估计用于高效多视角立体
IterMVS 提出了一种新的数据驱动方法来进行多视角高分辨率立体视觉，并使用基于 GRU 的估计器对深度的像素概率分布进行编码，结合多尺度匹配信息进行多次迭代，并通过分类与回归的结合来提取深度图。在 DTU，Tanks＆Temples 和 - 学习稳定的 Koopman 嵌入
本文提出一种基于数据驱动的方法，利用 Koopman 嵌入将原始状态空间提升到更高的线性流形，从而学习非线性系统的稳定模型，并证明了该方法在离散时间下能够学习所有非线性收缩模型，在保证模型稳定性的同时允许对 Koopman 嵌入和算子进行无 - ICML自适应估价器选择用于非同策评估
本研究提出一种基于数据驱动方法的估计器选择通用算法，为评估离线策略提供了一个有效的解决方案，在深入的情境模型和强化学习案例中都具有广泛的适用价值。经过实验验证，能够与现有不同相关方法相较而言获得更优的效果。