- 基于极值理论的大灾风险感知强化学习
在顺序决策过程中，解决减轻灾难性风险的问题，通过基于极值理论的尾风险近似导出的一种政策梯度算法 (POTPG)，在金融风险管理中的动态对冲金融期权中得到了良好的实验表现。
- 机器学习算法的最坏情况收敛时间研究 —— 基于极值理论
利用极值统计来预测机器学习算法的最坏收敛时间，通过极值理论提供一个实用的框架来准确预测最坏情况下的收敛时间、期望的返回周期和可能性。
- 带有弗雷歇特 - 类型尾部分布的跟随扰动领导者：对抗性赌博机中的最优性和最佳选择之间的折衷
本文研究了在对抗性和随机的 K 臂赌博机中，随机扰动策略（Follow-the-Perturbed-Leader）的最优性。我们建立了对于扰动实现 O (√KT) 遗憾的充分条件，并展示了随机扰动策略在具有特定尾部分布的情况下实现的最佳两者 - 基于 GAN 的实时超可靠通信中的 EVT 模型参数估计
首次将极值理论和生成对抗网络相结合，以实现实时的准确信道建模，通过模拟实验表明，该方法在样本量有限的情况下优于最大似然估计。
- 将深度生成模型与极值理论相结合的合成危害模拟：一种多元且空间协调的方法
气候风险和复合灾害的分布对于了解气候风险和指导适应政策至关重要。本研究使用生成对抗网络（GANs）模拟了孟加拉湾的极值风速、显著波高和总降水量，结合传统的极值理论进行尾部推断，为气候风险评估和灾害应对提供了有效的方法。
- 通过极值理论理解参数重要性
通过分析极值理论，我们在此工作中试图弥合参数显著性排名对于寻找引发误识别的滤波器存在的知识差距。我们的实验结果表明，我们的重述方法也可以检测恶意滤波器，并且相比于现有的参数显著性方法，基于极点方法的参数显著性显示了更少的偏差。
- 时间序列数据中极端事件预测的广义混合模型
这篇研究论文提出了一种基于深度学习和极值理论的预测框架，通过混合分布模型和自动编码器生成器提取时间序列数据的特征，并预测极端事件的分布模型，证明了该方法在多个实际降雨数据集上的有效性。
- 强化学习中的极端风险缓解基于极值理论
通过使用极值理论参数化分布的方法提高强化学习中的风险敏感能力，以应对罕见的危险事件并优化状态动作值函数估计。实验结果表明，该方法在各种不同风险场景的测试中优于其他风险规避的强化学习算法。
- 基于异常模式的现实世界阿尔茨海默病诊断模型
基于异常模式和极值理论的开放集识别模型 OpenAPMax 可用于阿尔茨海默病的诊断。
- 极端 Q-Learning: 无熵最大熵强化学习
本文提出了一个名为 Extreme Q-Learning 的在线和离线 MaxEnt Q-learning 算法，通过使用极值理论（EVT）来直接建模最大价值，而无需使用超出分布的操作估计 Q 值。该算法在 D4RL 基准测试中表现良好，并 - 基于 LSTM 的异常检测：从极值理论中得出的检测规则
本研究探索多种统计技术结合 LSTM 深度学习模型用于交通网络中的异常检测。我们使用三种基于统计的模型和数值研究，研究表明 EVT 检测方法强于其它检测方法，且不需要预测误差服从 特定的概率分布。
- 高维数据的异常检测
本文提出了一种名为 stray 的算法，使用基于极值理论的方法计算异常值阈值，针对 HDoutliers 算法的局限性进行改进，可以在准确性和计算时间上优于 HDoutliers 算法，对于数据结构中存在的异常值，使用特征工程进行检测，已在 - 基于深度卷积神经网络的开放式多任务学习
使用卷积神经网络，结合误差嵌入器和解码器的多任务学习方法来提高开放式图像识别准确度，同时使用极值理论来模拟未知类别的误差，实验结果表明此方法优于现有的开放式识别算法。
- MM面向超高可靠低时延边缘计算的动态任务卸载和资源分配
本论文提出了一种基于极值理论的移动边缘计算系统设计，用于满足极其可靠的低延迟要求和减少用户能量消耗，同时考虑无线通道动态和服务器资源负载。论文提供了两种时间尺度的解决方案，即长时间尺度下的用户 - 服务器关联和短时间尺度下的动态任务卸载和资 - 超可靠低延迟车联网：驯服信息尾世代
本文旨在超越传统平均信息更新时间 (AoI) 的概念，通过捕捉 AoI 尾分布来表征和优化一种超可靠低延迟通信 (URLLC) 系统。本文通过提出一种特定于服务器的数据分配算法并应用极值理论和 Lyapunov 优化方法，优化传输时延和数据 - ICLR评估神经网络的稳健性：一种极值理论方法
本文提出一种基于局部 Lipschitz 常数估计问题的鲁棒性分析的理论，使用极值理论来高效评估，得到了一个新的鲁棒性指标 CLEVER，该指标不依赖于攻击方法且适用于任何神经网络分类器。
- 多元极值的稀疏表达及在异常排名中的应用
本文介绍了一种基于多元极值理论的算法，用于在高维空间中学习如何根据它们的异常程度对观测值进行排名，并与非极端数据的异常检测技术结合使用，从而避免受到维度诅咒的影响。
- 利用极值预测网络攻击率
通过使用灰盒预测，可以使用能够适应数据的统计特性和现象的灰盒模型来预测网络攻击率，同时使用极端值理论和时间序列理论，可以更好地分析长期趋势和短期趋势，并提出未来的研究方向。
- 暴力冲突的统计特征和尾部风险
研究历史上暴力冲突的统计图片，使用极值理论处理数据不完整和不可靠的问题，通过定义无边界对偶分布来计算战争伤亡真实的平均值，发现传统的暴力下降趋势论不成立。
- 椭圆帕累托过程的高效推理和模拟
介绍了一种建立在 l-Pareto 过程上的极端事件定义的透露风险函数的极值理论的最新进展，提出使用一种椭圆形 l-Pareto 过程类作为阈值超过的极限，并提供了一种基于部分筛查最大化全似然的有效推断方法。同时，提出了一些新的精确条件和无