- Kannudi-- 卡纳达语参考编辑器
Kannudi 是一个基于 OPOK！和 OHOK！原则以及领域知识的卡纳达参考编辑器，它引入了一种名为 OHOK！的卡纳达输入方法，并演示了如何有效地使用领域知识来提高输入速度、准确性和用户友好性，还实现了四种删除功能。
- 智能语言辅导系统中语言结构作为领域模型的表示
本文介绍了一种基于人工智能的语言学习平台 Revita，该平台为学习者提供智能的在线辅导，采用了一套语言构造系统作为领域知识的表达方式，此系统由语言教学专家与开发团队紧密合作开发，可定义练习类型、反馈内容并评估学习进展。
- 盒中思考还是跳出思维定势？通过相互洞察和概念交流的方式进行科学发现
本文探讨科学发现是通过主动寻求有洞见的解决方案与运用概念领域知识进行的互动，提出了一个学术搜索游戏 Mindle，以促进科学发现类思维的自发产生，并通过试点研究启发了关于元策略、背景和个体差异等方面的有趣观察，可进一步作为研究的基础。
- 知识增强深度学习及其应用：综述
本文综述了知识增强深度学习 (KADL) 的概念及其三个主要任务：知识识别，知识表达和知识整合，并提供了一种基于广泛和完整的领域知识分类法的系统回顾。在这份综述中，我们提供了现有技术的系统性审查，并提供了未来研究方向的方向。
- MM带循环群结构的展开网络学习
本文介绍了一种利用等变神经网络显性地加入领域知识的框架，该框架基于稀疏编码，以旋转等变性为例。通过在（旋转）MNIST 和 CIFAR-10 上的表现，得出了具有稀疏激活的可解释性网络与基线网络相竞争的结论。
- DocuT5: 带有表格文档的 Seq2seq SQL 生成
通过注入外部 `文档` 中的知识来提高领域概括能力，我们提出了 DocuT5，该方法捕获了外键的表结构上下文和表与列的领域知识。在 Spider 数据集上的实验结果表明，DocuT5 的两种知识类型均优于具有受限解码的最先进的 T5，而领域 - AAAI通过人工输入实现鲁棒的离策略评估
本研究提出了一种基于领域知识的健壮离线评估框架 ROPE，具有针对特定环境特征进行偏移的特点，从而能更准确地评估政策的效用，并且通过医疗领域的合成和真实数据集的实验表明，该方法能够准确地捕捉现实情况下的偏移，并能得出更乐观的政策评估结果。
- 医疗临床笔记相似性估计的图增强循环学习框架
本文介绍了一种在医疗领域中处理语义文本相似度的图增强循环学习框架。该框架可以方便地在最先进的基础语言模型上实现，并通过使用基于图卷积网络的辅助网络同步训练，利用领域知识来提高其性能。研究结果表明，引入 GCN 和同步训练框架的领域知识，分别 - A * 算法因果发现中的领域知识
本篇论文探讨如何在基于 A * 方法的因果关系发现中高效地整合多种类型的专家领域知识以减少图形搜索空间，并提供了潜在的计算增益分析。作者通过合成数据和真实数据的实验支持这些发现，表明即使少量领域知识都可以极大地提高 A * 方法的效率和实用 - 知识注入联邦学习
本研究提出了一种联邦学习框架，允许参与者注入其领域知识，通过在本地对知识进行全局模型的完善，有效地应用于行业级应用。
- ICML宽神经网络的知情学习：收敛性、泛化性和采样复杂性
通过将领域知识与标记样本相结合，本文提出了一种基于深度神经网络的知情学习模型，研究并量化了领域知识对模型性能的正则化和样本补充的两个优势，提出了一种通用的知情培训目标来更好地利用知识，平衡标签和知识不完美，并平衡了总体风险的上限。
- MM约束引导梯度下降：不等式约束指导下的训练
本研究提出了约束引导梯度下降 (CGGD) 框架，使得域知识可以注入到神经网络的训练过程中，其中域知识被假定为一组硬不等式约束的连词，相比于其他神经符号方法，该方法使得模型收敛并满足数据集上的任何不等式约束，同时不需要事先将约束转换为某个特 - 基于过程知识注入的人工智能：走向用户可解释性、可解读性和安全性
AI 系统需要遵循专家制定的指导方针和流程，使用过程知识和领域知识，并提供用户可理解的解释，以在高价值、敏感或安全关键的应用程序中获得信任和信心.
- AAAI如何设计一个利用领域知识诊断气胸的模型：医生的方法
为了解决医疗影像诊断中数据不足和罕见疾病无法获得真实样本的问题，本文结合专家领域知识使用知识工程概念设计了一种基于智能模型的自动肺气胸诊断模型。
- 数据驱动和知识驱动的物理网络系统异常检测的鲁棒性测试
本文旨在评估基于机器学习方法的异常检测算法对于两种意外和恶意干扰的鲁棒性，在结合领域知识的前提下实验结果表明，基于领域知识训练的机器学习算法能够有效地降低鲁棒性误差并提高透明度。
- 多视角隐变量模型中编码领域知识：基于结构稀疏贝叶斯方法
提出了一种基于修改的马蹄铁先验的多视图潜变量模型 MuVI，该模型能够在整个分析过程中将有限和嘈杂的领域知识融合到模型中，并且在癌症患者真实多视图数据集中推断出可解释和具有生物学意义的变异轴。
- ACL信息量和不变性：自然语言中伪相关性的两个观点
该论文分析了 Gardner 等人提出的语言的组合性质意味着标签和各自的‘输入特征’之间的所有相关性都是虚假相关性这一提议，在简单的 PCFG 中演示出三种明显的条件可以导致特征 - 标签相关性的产生，论文指出在所有但极少数情况下，输入特征 - 利用领域知识进行低资源命名实体识别
本研究提出了一种基于领域知识的命名实体识别方法，使用领域词典和标注数据来提高低资源领域中的命名实体识别效果，避免大规模数据调整的同时，在科技设备领域数据集上实现了显著的 F1 分数提升。
- 利用语法引导符号回归的强化学习方法实现领域知识融合
本文提出了一种基于强化学习的语法引导符号回归方法，利用上下文无关文法作为强化行动空间来限制表示空间，并且针对物理方程搜索的应用场景，与基于文法和非基于文法的符号回归方法进行比较。实验结果表明，我们的方法在基准测试中具有竞争力，并在误差 - - AutoMC：基于领域知识和渐进搜索策略的自动模型压缩
本研究提出了一种名为 AutoMC 的自动工具，用于模型压缩，通过建立模型压缩领域的专业知识，结合历史评估信息，采用渐进式搜索策略探索 pareto 最优压缩方案，并在短时间内提供令人满意的压缩方案。