- 基于动态阈值的卷积自编码器实时异常检测
创新的混合建模方法结合统计学和卷积自编码器，利用动态阈值（基于马氏距离和移动平均）检测实时智能计量系统中的异常，从而提供早期预警，以预防灾难并在经济上受益于组织和消费者。
- 双机器学习在因果混合建模中的应用 -- 地球科学中的应用
通过因果推断框架运用 Double Machine Learning（DML）估计混合模型，展示了在地球科学领域中估计因果参数的优势、对正则化方法偏差的鲁棒性以及避免等效多样性。该方法在碳通量配分中展现了适应异质因果效果的灵活性，并强调了明 - 工业感知与控制的机器学习：调查与实践视角
利用深度学习技术，本研究旨在探索数据驱动感知、优化和控制在工艺产业中的应用及相关挑战，并提出基于统计和机器学习的混合建模方法与领域知识相结合的数据驱动方案。
- 混合建模设计模式
介绍了用于混合建模的设计模式，将基于第一原理的建模方法与数据驱动的建模技术相结合，提供了四个基本模式和两个组合模式，以说明从气候建模、工程和物理等应用领域的典型案例中可以将数据驱动的组件与领域知识相结合的混合建模方法。
- 离散选择建模中的图像：解决多模态输入中的数据同构性问题
对于离散选择建模（Discrete Choice Modeling，DCM）与机器学习的交集进行研究，以图像数据整合进 DCM 的效用函数并对其对模型解释性的影响进行探讨。研究发现，神经网络（NN）组件在存在共现情况下，能够从图像中学习和复 - 学习具有混合三维表示的分离化身
DELTA 采用混合的 3D 表示方法对人体进行建模，通过将网格与体积渲染相结合，实现了人体、服装和头发的解耦合，有效实现了重建、试穿和发型转换等应用。
- 利用模拟器提供的潜在状态学习混合动力学模型
通过黑盒模拟器控制预测，修正模型匹配错误的混合建模新方法。
- 知识引导的附加建模用于监督回归
本研究对比了传统机器学习方法和基于混合建模的方法在标准回归问题中的性能，并重点研究了混合模型的不同训练方法，结果显示混合建模方法应用于回归问题具有较高的性能表现。
- 可解释、具有物理感知、值得信赖的合成孔径雷达人工智能范式转变
本文提出了一种基于可解释数据转换的新范式，以生成 AI 方法的输入，提供知识反馈，从而从数据中学习或改进高复杂度未知或未形式化的模型，此方法被成功应用与合成孔径雷达数据的混合建模和图像理解。
- 基于机器学习方法的高效气候模拟
该论文提出了一种名为 NeuroClim 的框架，用于采用脑神经算法设计气候混合仿真，并为此提供了一个平台、一个数据集和一种量化的评估方法，以促进人工智能和气候研究的交叉。
- MM基于机器学习和 LSTM 深度学习模型的股票价格预测
本研究提出一种基于混合建模的新方法，使用机器学习和深度学习模型对印度 NSE 国家股票交易所 NIFTY 50 指数进行了股票价格预测，使用一周前的数据作为输入的基于 LSTM 的单变量模型在各种度量标准上表现最好。
- 基于序列预测的混合型配电线路长期负荷预测方法
本文提出了一种基于序列预测的混合建模方法，可以无缝地整合分布式馈线不同层次的信息，成功解决了标准递归神经网络中出现的梯度消失和梯度爆炸问题，并在实际案例中展示出卓越的性能和实用性。