- CVPR通过学习局部和全局形状先验层次来促进单视图 3D 重建的泛化
该文利用不同层次的位置先验信息从输入的深度图中提取详细的局部信息并进行组合，从而改进了新颖形状的泛化能力，具有更好的泛化性能。
- 学习生成模型的神经编码框架
提出了一种基于预测处理理论的神经生成模型计算框架，通过构建神经元层次结构，预测邻居神经元的工作并根据预测与观测结果的差异更新神经元参数来训练模型，实验结果表明，该模型在多个基准数据集和度量标准上表现出色，并具有与功能类似的其他生成模型相媲美 - CVPR自监督学习视频诱导视觉不变性
通过使用 Video-Induced Visual Invariances (VIVI) 的自监督学习框架，本文提出了一种可以在 19 种视觉任务中实现超过最佳监督模型的自监督转移学习方法。
- 递归自编码器用于文档布局生成
本文提出了一种名为 READ 的新框架，利用递归自动编码器生成大量和多样的文档 2D 布局，其中采用了一种递归的方法来提取文档的结构分解，并利用标注边界框的文档数据集对此进行了学习，从而获得了结构表示形式，并将其映射到高斯空间，从而生成新的 - ICLR分层策略学习对目标空间设计敏感
通过对理想目标空间的研究，系统地分析的各种修改对分层模型学习的影响，结果表明旋转目标空间和噪声对学习没有影响，而具有额外的不必要因素显著地损害了分层模型的学习效果。
- EMNLP层次化量化表征用于脚本生成
本文提出了一种使用自编码器模型来编码和生成脚本的方法，其潜在空间由分层的分类变量定义，利用向量量化的方法实现了连续的嵌入，该模型在多个标准任务上表现优异，并允许实现比之前基于语言模型的方法更低的困惑度评分。
- ICLR来自 PI 的歌曲：用于流行音乐生成的可信音乐网络
使用分层循环神经网络生成流行音乐，并在人类实验研究中表现出与谷歌最近的生成方法相比的效果优势，同时展示了基于该框架的神经舞蹈和卡拉 OK，以及神经故事唱法两种应用。
- IJCAI通过众包构建概念层次结构
本文提出一种基于众包的层次结构构建系统，包括不确定性建模和用信息增益准则选择问题的方法，实验结果表明该系统具有噪声鲁棒性、高效性和高质量的层次结构。
- NIPS注意间隔：基于子空间的分层域自适应
本文介绍一个基于层级结构的领域自适应技术，用于适应在源域上学习的分类器以在目标域上运行，这种方法利用源域和目标域特征所展开的子空间，探究了数据的层级组织，并考虑了源域和目标域的多个子空间。我们对不同的基于子空间的领域适应技术在这种情况下进行 - MM一种连续最大流算法解决一般的分层多标签问题
该论文提出了一种广义分层最大流 (GHMF) 分割算法，该算法可以在全局最优凸优化框架中将解剖学的部分 - 整体关系表现为非约束性分层，从而实现标签的空间分组和聚类，并适应于多种分割任务中。
- 头 / 尾分段：一种适用于重尾分布数据的新分类方案
本文提出了一种新的分类方案 - head/tail breaks - 以找到具有重尾分布的数据的分组或层次结构，并通过将所有数据值围绕平均值分为两部分，并迭代处理大于平均值的值来确定自然的类数和类间隔。
- 生物系统中模块化的出现
本文讨论了生物系统的模块化和等级结构，重点从蛋白质结构、基因、生物网络模块化分区的例子，并着重解释了生物学如何从化学多种可能性中自发地组织成结构化形式的理论。更重要的是，本文将模块化出现的过程描述为一种破缺对称的相变，以模块作为有序参数，并 - 图形社区在时间尺度上的稳定性
通过对图中 Markov 过程的聚类自协方差进行定义，我们认为一个分区的质量可以用其稳定性来衡量，因为该稳定性与图的时间尺度有本质关联，它允许我们在不同时间段对分区进行比较和排名，并建立一种层次化的越来越粗放集群的内在分辨率参数。
- 网络层次结构的结构推断
研究网络中的等级结构和生成任意等级结构的一般模型，通过两个示例网络演示了该方法在解释网络数据、注释图与边、顶点及社区属性以及生成更多假设测试的一般空模型方面的优势。
- 基于类层次结构先验的分类方法改进
本研究介绍了一种基于层次结构的先验知识的分类模型建立方法，该方法采用了贝叶斯形式的多项式逻辑回归模型，并将树形结构中接近的类之间的参数引入相关性，相较于传统的 MNL 模型和使用不同层次方式的模型，在模拟数据和文档标记问题上取得了更优的性能