- SEDMamba: 加强选择性状态空间建模，利用瓶颈机制和细粗时间融合实现机器人辅助手术的高效错误检测
研究表明，使用名为 SEDMamba 的新颖分层模型，通过将选择性状态空间模型 (SSM) 与外科手术错误检测相结合，可以有效地进行长序列建模和定位手术错误，从而提高机器辅助手术的自动错误检测性能。
- 组装任务中远程操作操控意图估计的分层深度学习
人机协作中，共享控制提供了一个机会来远程操作机器人操纵，以提高制造和装配过程的效率。本文提出了一种层次化的意图估计技术，通过将多尺度层次信息纳入神经网络中，提高了整体准确性。此外，我们还提出了一种多窗口方法，用于分配合适的层次预测窗口输入数 - 应对零膨胀数据：采用双重机器学习方法实现最优结果
这篇论文介绍了机器学习模型在零膨胀数据环境中的应用，展示了在家用电器分类和机场班车需求预测两个实际应用中，采用层次模型在预测性能和能效方面取得的优异结果。
- 一个高效的聚类多任务压缩感知算法
本文提出了一种新的算法，通过避免显式计算协方差矩阵结合蒙特卡洛抽样和迭代线性求解器，从而大大加速模型推断。与现有基准相比，实验表明我们的算法在速度上可快数千倍，内存利用率提升一个数量级。
- ARC-NLP 参加 PAN 2023：基于层次结构的长文本触发识别分类
我们描述了我们在 PAN CLEF 2023 的 Trigger Detection 共享任务中的方法，我们使用基于 Transformer 的语言模型构建了一个分层模型，通过递归来检测给定 Fanfiction 文档中的多个触发内容，并在 - ICML在多房间迷宫环境中推断层次结构
研究提出了一个分层主动推断模型，以应对从基于像素的观察中推断世界结构的挑战，其中包含认知地图，客体 / 自体世界模型和目标导向行为，能够在基于房间的小型网格环境中实现高效的探索和目标导向搜索。
- Dior-CVAE: 变分对话生成中的扩散先验
提出了一种使用扩散模型产生信息量丰富的先验分布的分层条件变分自动编码器（Hierarchical CVAE），并使用注意机制将生成的潜变量逐层注入解码器，使用记忆丢弃解决后验崩溃问题。实验表明，与基于变分的 Transformer 模型相比 - ACL针对波斯 - 阿拉伯文脚本的语言识别基准测试 PALI
本文介绍了如何在 Perso-Arabic scripts 中实现语言检测。作者使用了一系列的监督技术来分类句子到他们的语言中，进而提出了一个层次模型来针对那些经常被分类器混淆的语言困境进行解决。实验结果表明了作者们得到的实现是有效的。
- 分层信息网络的新兴人工智能协议
提出了一种新的基于人工智能的分层模型，用于测量人类智力中的问题解决和决策能力。该模型由 7 个不同的层级组成，可为给定问题提供最佳和可说明性的解决方案。
- 大规模数据集上的电子竞技数据即时解说生成
本研究提出了一项从结构化数据记录中生成游戏评论的任务，利用一种大规模的电子竞技数据集和多种基线编码器 - 解码器模型以及一种层次模型来生成各个层面的比赛评论，结果表明层次模型优势明显，并且揭示了几个新任务带来的挑战。
- 非平稳空间建模
该论文提出了一种空间模型，可以允许空间依赖结构随着位置的变化而变化，并开发了一种分层模型，可以将这种不确定性纳入结果推理中，该方法已应用于有毒废物处理领域。
- 自主驾驶规划中基于层次模型的模仿学习
使用 MGAIL 在密集城市自动驾驶方面进行了第一次大规模应用，通过使用分层模型和经过现实汽车采集的经验轨迹进行性能度量，并结合闭环 MGAIL 损失和开环行为克隆损失实现了稳健的导航策略。
- 一个语义分层图神经网络用于文本分类
本文研究了基于图神经网络的文本分类任务，提出了一种新的分层图神经网络模型（HieGNN），其在词级别、句子级别和文档级别分别提取相应的信息。实验结果表明与几个基准方法相比，我们的模型能够从样本中获得更多有用的分类信息。
- ACL神经跨语言摘要变分分层模型
本文提出了基于条件变分自编码器的层次模型，用于将一个语言的文档转化为另一个语言的摘要，从而解决了直接进行交叉语言摘要的挑战，实验证明这种方法比现有的方法更为有效和优越。
- M-Net + 中的半小波注意力用于低光图像增强
本文提出了一种基于改进的分层模型 M-Net + 的图像增强网络（HWMNet），其中使用半波小波块从小波域丰富特征。该算法在两个图像增强数据集中产生了具有竞争力的性能结果，特别是在使用定量指标和视觉质量方面。
- AAAI视频问答的 2.5+1 维时空场景图
本文提出了一种基于 (2.5+1) D 场景图表示的视频问答方法，将视频帧转成伪 - 3D 视图并保持语义，然后基于此表示应用 transformer 模型进行推理，实验证明，该方法在视频问答任务中具有优异的性能。
- 基于贝叶斯回归的建模和堆叠方法在时间序列分析中的应用
本文采用贝叶斯回归法建模时间序列，并堆叠不同的预测模型，使其能够估计时间序列预测不确定性和风险特征，同时探讨使用贝叶斯回归的层次化模型来应对历史数据短、数据变化不明显的销售预测问题。结合 ARIMA, 神经网络，随机森林和 Extra Tr - 复杂数据的分层视频生成
本研究提出一种基于层次模型和部分视图训练的视频生成方法，通过生成低分辨率视频来建立全局场景结构，然后通过层次结构的后续级别进行细化，从而降低了计算复杂度，可用于高分辨率视频的生成。
- KDD基于分层自注意力的自编码器用于开放式人类活动识别
提出了一种基于自注意力的分层模型，该模型可以从不同的传感器位置收集数据，用于封闭式活动分类，以及从编码器中检测出开放式识别情境中的不可见活动类别。此工作在五个公共数据集上取得了显著的性能提升，并证明了其在噪声和体内信号的主体特异性方面表现出 - TREC 2020 播客摘要赛道的 CUED 语音
该研究介绍了用于 TREC 2020 播客摘要挑战的方法。该方法采用了两个步骤：过滤摘要中的冗余或信息较少的句子，然后应用基于 BART 的文本摘要系统。最好的结果在人类评估中达到了 1.777 的得分。