- 人类运动系统外部仿真的仿生神经网络
该研究论文提出了一种基于肌骨建模的受物理学约束的深度学习方法，用于预测关节运动和肌肉力量，并证明该方法能有效地识别个体特定的肌骨生理参数，并且训练的受物理学约束的前向动力学模型能够准确地预测运动和肌肉力量。
- 亚热带城市山区近三十年土崩原因变化的动态滑坡易发性建模
本研究提出了一种动态滑坡易发性测绘方法，该方法采用多个预测模型进行年度滑坡易发性评估，并利用少量样本和渐变更新的方式进行元学习表示推断，使用 SHAP 进行模型解释和滑坡特征置换。此外，还应用 MT-InSAR 方法进行滑坡易发性结果增强和 - AI Hilbert：从数据和背景知识到自动化科学发现
在拥有大量实验数据的情况下，结合回归和推理的数据驱动方法能够从部分正确的背景理论中自动推导出一些著名科学定律，包括开普勒行星运动的第三定律、哈根 - 普瓦兹方程和辐射引力波功率方程。
- 通过生成性潜在优化解决图像反问题
在稀疏投影 CT 上测试，通过与现有的基于分数的策略相比，使用多个训练数据集大小，cGLO 提供了更好的重建质量以及对于较小的训练数据集和减少的投影角度展现出逐渐增加的性能优势。此外，cGLO 不需要任何反向操作，甚至可以拓展应用于非线性的 - 可扩展动态避障的顺序神经障碍物
基于时序神经控制屏障模型的组合学习方法，在动态障碍物导航方面具有可扩展性和效果优于其他方法的实用性。
- 穿透草丛：通过移动草叶学习其背后的景象
通过数据驱动方法，我们使用自监督来训练 SRPNet，这是一个能够预测执行给定植物上的候选动作后所揭示空间的神经网络。我们利用 SRPNet 和交叉熵方法来预测能够有效揭示植物叶下空间的动作，进一步通过执行一系列动作逐步揭示更多叶下空间。我 - 地转圈中尺度湍流机器学习训练数据的选择
本文论述了数据问题在数据驱动型方法中发挥的重要作用，通过学习如何过滤转动成分的涡通量，提出了一种基于数据的处理方法，提高了模型的鲁棒性，并讨论了在物理进程中揭示未知数据的隐藏价值。
- 强化学习在针对对手目标下优化信用额度调整
本研究通过强化学习技术，使用离线学习策略，基于历史数据，针对银行问题，寻找最优信用卡额度调整策略，使用双 Q 学习代理可以优于其他策略，生成反映决策复杂性的最优决策策略，通过数据驱动方法而非仅仅依靠专家驱动系统进行决策。
- CeBed: 基于深度数据驱动的 OFDM 信道估计基准
本文介绍了一个称为 CeBed 的测试平台，该平台统一了多个基于数据驱动的 OFDM 信道估计方法，并提供了多个数据集和 10 个深度学习模型，并将其与传统算法进行比较，以帮助研究人员评估和设计基于数据驱动的信道估计算法。
- 基于图神经网络的空气流模拟元学习
本文提出了一种元学习方法，通过使用模型无关的元学习器，能够在仅处理少量特定任务的数据的情况下，提高通过机器学习方法解决计算流体动力学中复杂偏微分方程的模型在未知样本上的表现，同时保持效率。
- 基于知识的局部可观察条件下的 Ad Hoc 团队合作中的推理和学习
采用基于非单调逻辑推理以及少量有限数据所学的其他代理行为预测模型的架构，通过支持在线选择、适应和学习模型以及在部分可观测性和有限通信存在下与队友协作来解决无先协调时代理与队友协作问题，实验证明该模型的性能在简单和复杂情况下都优于或与最先进的 - 计算力学中的数据驱动游戏
本研究采用博弈论的思想，提出了一种非协作、无偏差、无参数的数据驱动非协作博弈方法，用于实现固体力学中的应力应变分析，直接从数据中学习到有效的材料力学定律，而无需依赖于神经网络等参数化函数回归方法。该方法减少了实现实际问题的难度，缩短处理实际 - 从部分数据中重构、预测和稳定混沌动态
通过使用基于数据的方法，该研究提出了 Long Short-Term Memory (LSTM) 网络来推断未观察到的（隐藏的）混沌变量的动力学，时间预测完全状态的演变并推断其稳定性。
- 基于数据驱动的恶意网站检测方法综述
本文系统评述了针对恶意网站的数据驱动方法，包括数据预处理、特征提取、模型构建和技术拓展，并对近年来提出的基于深度学习模型的方法进行了比较。最后，讨论了数据驱动方法面临的挑战和未来发展方向。
- 新数据的新方法？人力资源管理研究中量化归纳方法的概述和说明
数据驱动方法在人力资源管理中的应用：本文首先概述了用于人力资源管理研究的数据驱动方法，然后提出了一个探索性研究的实证例子，结合了潜在分类分析和高斯图形模型的探索方式。
- 揭示基于 RGB 的 6-DoF 目标位姿估计中的背景偏差
本文通过分析 Linemod 数据集中伴随 ArUco 标记的图像噪声，探讨其对于机器学习算法 6DOF 姿态估计的影响，并提出了通过数据增强和其他方法减少偏差的方案。同时，本文证明了标记对于神经网络实现 6DOF 姿态估计具有一定的影响因 - FinnWoodlands 数据集
介绍了一个名为 FinnWoodlands 的森林数据集，包含着 RGB 立体图像、点云、稀疏深度图以及针对于语义、实例和全景分割的地面真实手动注释。同时提出了使用该数据集进行实例分割、全景分割和深度完成的挑战。
- 基于半监督异常检测的破坏前驱开始时间研究
本文介绍一种基于异常检测的核聚变等离子体破裂预测方法，以解决标记方法的不足所带来的问题。该方法在优化了标记方法后，在 J-TEXT 和 EAST 等聚变实验平台上的测试结果表明，与采用固定的开始时间标记的模型相比，训练优化标记的模型具有更高 - 基于数据驱动的语言无关反向文本规范化
本研究提出了一种语言不可知的数据驱动反文本归一化框架，通过数据增强和神经机器翻译数据，填补了非英语标记语料库与自动语音识别模型转换到书写形式文本的方法的不足。实证评估表明，该模型有效地处理了低资源语言，同时保持了高资源语言的性能。
- DEPTWEET：一种用于检测抑郁症程度的社交媒体文本类型学
该研究使用临床抑郁症诊断和病史调查评估相关指标，构建用于检测抑郁症严重程度的社交媒体文本的分类，提出了基于专家注释数据的新数据集并利用注意力模型（例如 BERT 和 DistilBERT）取得了良好的效果，揭示了研究的局限性和进一步研究的方