- AAAI粒子模拟的可扩展图网络
本文提出了一种能够在单个 GPU 上运行高精度大规模 N 粒子动力学模拟的机器学习方法，将完全连接的交互图转换为分层图以减少复杂度和边数。
- EMNLPF1 不够用：面向用户中心的可解释问答模型与评估
当前可解释的问答系统存在回答与解释耦合度不够的问题，本文提出一种层次模型及新的规范化项来加强回答 - 解释的耦合，并提供两种评估指标来量化耦合，实验结果显示该方法可以提高用户的使用体验和判断系统正确性的能力。
- 基于分层结构的本地上下文关注在对话行为识别中的应用
本研究旨在设计一种基于自注意力机制的分层模型，以识别对话行为，并通过修改注意分布来关注局部和上下文语义信息，同时引入新的对话分割机制，分析对话长度和上下文填充长度对模型效果的影响。实验表明，该模型在 Switchboard 对话行为和 Da - 数据转文本生成的层级模型
本文提出了一种分层模型，对结构化数据进行编码，并通过数据元素级别和结构级别进行结构化数据转化为自然语言生成，实现了数据到文本的转换，并在 RotoWire 数据集上进行了定性和定量评估。
- ACL层次自注意力网络的主题识别
提出了一种层次模型，带有自我关注的话题识别技术，并在线性可扩展语料库上的实验证明了其在话题识别和文本分类方面的优异性能。
- ICCV面向教学活动的零射预测
提出了一种层次化模型，能够从大规模文本库中推广教学知识并将其转化为视觉领域，从而实现对机器人从未见过的活动的零样本预测，并介绍了 Tasty Videos 数据集。
- AAAI一个层次化多任务方法用于从语义任务中学习嵌入
本研究介绍了一种使用多任务学习方式训练的分层模型，在一组精心选择的语义任务上取得了最新领先的结果，包括命名实体识别、实体提及检测和关系提取，无需手工设计特征或使用外部 NLP 工具，同时在模型的底层引入归纳偏差，促使模型产生共享语义表示。
- SeqSleepNet: 序列到序列自动睡眠分期的端到端分层循环神经网络
本研究提出一种基于 SeqSleepNet 的层次循环神经网络，将睡眠分期任务视为序列到序列分类问题，并在公开数据上实现了最高 87.1% 的分类精度。
- 通过缩减估计，动态地从另一项研究中借力
本文论述了一种基于层次模型的贝叶斯随机效应集成方法，可以将不同源的证据信息相结合，从而实现多项研究结果的综合分析和估计，特别在罕见病疾病的研究中具有许多优势，同时提高了单独研究结果的准确性和可靠性。
- 战略对话的分层文本生成与规划
本论文介绍了一种学习对话信息表征、提高决策效率的方法，通过解耦对话表述中的语义和语言实现，使用学习到的表征完成对话生成、规划和增强学习等任务，在实验中效果比之前的工作更佳。
- 使用 VampPrior 的 VAE
本文提出了一种新的先验模型 ——“变分混合后验”，并将其扩展为两层分层模型，通过使用混合高斯分布和可学习的伪输入条件下的变分后验构成组件，可以避免存在无用的潜在维度，从而实现更好的无监督数据建模。在六个数据集上进行的实证研究表明，应用分层 - 面向分层移动边缘计算：一种基于拍卖的利润最大化方法
本研究提出了一种基于 LTE-Advanced 的分层模型，引入了 field、shallow 和 deep cloudlets 的概念，提出了一种基于拍卖的利润最大化计算资源分配方法，并将通信资源分配给满足用户服务质量的需求。
- 贝叶斯分层建模统计比较分类器
本研究提出了一种贝叶斯分层模型，通过对多个数据集上两个分类器的交叉验证结果进行联合分析，从而返回两个分类器准确度在实际上是否等价或显著不同的后验概率，并减少了估计误差。
- 层次字符 - 词语模型在语言识别中的应用
本文介绍了一种基于层次模型的语言识别方法，其中字符级和上下文化的词级表示能够很好地处理社交媒体消息的简洁特性和非传统拼写，同时还能揭示代码开关现象。
- NIPS视觉问答的层次化问题 - 图像协同注意力
通过建立视觉注意力和问题注意力相结合的协作注意力模型，使用新型一维卷积神经网络来在分层结构中处理问题，从而使 VQA 数据集上的性能从 60.3％提高到 60.5％，并且在 COCO-QA 数据集上从 61.6％提高到 63.3％。在加入 - 如何进行迁移？基于语义属性层次迁移实现零样本目标识别
该研究提出了一种基于属性的知识迁移方法，采用层次化的属性模型捕捉源数据集中的嵌套结构，提供了一种新的迁移方法，在视觉对象分析及未见过的类别分类方面取得了明显的效果优于现有方法。
- 基于图像卷积神经网络特征的动作识别
本文介绍一种基于卷积神经网络的层级模型，用于动作识别任务。该模型采用最后一层卷积神经网络的输出特征作为基础，并设计了一个层级结构来捕获视频中的时间变化。同时，作者引入了一种用于提取视频关键帧的方法，从而提高了模型的性能表现。通过在多个动作数 - IJCAI自适应分层句子模型
通过提出自适应层次句子模型 (AdaSent)，解决其他递归模型中的梯度消失问题，以及利用竞争机制在分类任务中自动选择适合任务的表示形式，使 AdaSent 在 5 个基准数据集上表现出优异的表现。
- ICLR高效視覺編碼： 從視網膜到 V2
本文提出了一种基于改进的 RICA 模型的新方法，通过使用 sPCA 算法，模拟了人类视觉处理中不同层级的感受野，可以帮助理解人类视觉的功能和实现计算机视觉的研究。
- 使用宏操作的马尔可夫决策过程的层次解决方案
本文提出了一种使用抽象 MDP 的分层模型，该模型仅与 Macro-actions 一起工作，并显着减少了状态空间的大小，以及讨论了生成 Macro-actions 的几种方法和重用它们以解决多个相关 MDPs 的方式。