- 非负通用微分方程在系统生物学中的应用
应用机理模型和人工神经网络，在动态模型中融合起来，不仅可以解决混合模型中出现的负值问题，还可以改善 UDE 的泛化和可解释性。
- FeNNol：一种高效且灵活的用于构建力场增强神经网络势函数的库
FeNNol 是一个新的库，用于构建、训练和运行增强力场神经网络势能，它提供了一个灵活和模块化的系统，使得能够轻松地将最先进的嵌入与机器学习参数化的物理相互作用项相结合，无需编程，同时利用 Jax Python 库的自动微分和即时编译功能以 - LHU-Net：一种用于高效、高性能体积型医学图像分割的轻型混合 U-Net
通过结合 Transformer 架构与卷积神经网络（CNNs）的优势，提出一种优化的体积型医学图像分割网络 LHU-Net，旨在在初期层次优先进行空间特征分析，然后转向更深层次的基于通道的特征，从而全面提取特征，取得了具有高效性和准确性的 - 应用量子张量网络进行蛋白质分类
蛋白质序列可以被看作自然语言处理中的句子，并且可以使用现有的量子自然语言处理框架解析为合理量子比特的参数化量子电路，这些电路可以被训练用于解决各种与蛋白质相关的机器学习问题。论文提出了适应蛋白质数据需求的详细方法，通过全面的实验结果支持，展 - 基于量子启发的混合 Resnet 和 Densenet 的模式识别与完整性分析
应用在复杂和不可预测环境中综合评估和改进新型神经网络的性能，我们提出了两种基于残差连接和稠密连接的混合量子启发神经网络，采用完备性表示理论进行模型评估。与传统深度学习模型进行比较分析后发现，我们的混合模型在参数复杂度较低的情况下不仅与纯经典 - 混合方块神经 ODE 因果建模
通过将机械化 ODE 动力学与灵活且富有表现力的神经网络组件结合起来，我们解决了混合模型中因机械化模型的灵活性而失去因果关系的问题，并在建模运动期间的血糖动力学方面实现了既具有领先预测性能又具有因果有效性的双赢。
- AAAISocialCVAE: 通过交互条件化潜变量预测行人轨迹
本文提出了一种应用社交条件变分自动编码器（SocialCVAE）来预测行人轨迹的方法，该方法利用条件变分自动编码器（CVAE）来探索人类运动决策中的行为不确定性，通过使用基于能量的相互作用模型生成交互能量图，提高了行人轨迹预测的准确性。
- 基于多季节 Holt-Winters 的短期电力需求预测库 mshw
使用 MATLAB 工具包，本论文介绍了多个季节性 Holt-Winters 指数平滑模型和神经网络模型的预测电力需求方法，其中包括使用离散区间移动季节性 (DIMS) 改善特殊日预测的模型，同时展示了在欧洲各个电力系统的应用结果，该工具包 - 基于太阳热系统的混合回归模型的聚类技术选择研究
通过比较四种聚类技术的性能，本研究旨在实现在监督学习任务中强大的混合模型。使用来自西班牙加利西亚卢戈 Xermade 的一个实验性风电场上的生态气候房屋 Sotavento 的实际数据集进行研究，选择了热太阳能发电系统，应用多种聚类方法和回 - MMMANTIS 在 #SMM4H 2023 上：利用混合和集成模型在 Reddit 上检测社交焦虑障碍
该论文研究了在 Social Media Mining for Health 2023 Shared Task 4 中，利用专门领域的医学自适应转换器与双向长短时记忆神经网络相结合的混合和集成模型的有效性，并通过评估结果表明，我们最佳性能模 - 辨别和检验成人数据集上的机器学习偏差
通过集成学习减少机器学习模型的偏见，研究提供了包括性别属性偏见和工资预测差异在内的实证证据，并呼吁采用混合模型以实现公平和包容的数据驱动社会。
- 引入基于时间序列 - Transformer 的混合建模：批结晶中串行与并行方法的对比研究
现有的数字孪生都依赖于基于数据的黑盒模型，主要使用深度神经网络来捕捉化学系统的动态，然而，由于安全和操作问题，这些模型尚未在实践中得以应用，为了解决这个问题，将基于物理学原理的混合模型与机器学习模型相结合已经越来越受欢迎，具有较强的预测性能 - 医学影像分析中是否仅靠注意力足够？综述
对于医学成像中的混合 CNN-Transf/Attention 模型进行了系统回顾，研究了主要的结构设计、突破、机遇和挑战，同时引入了基于该模型的数据驱动域泛化和适应方法的综合分析框架。
- 无监督摘要生成的最近趋势
本调查涵盖了用于无监督摘要的不同技术和模型，包括抽取式摘要、生成式摘要和混合模型，提出了一种分类方法，并讨论了当前的方法、一些数据集和评估方法。
- 采用数据挖掘技术进行石油价格预测 -- 综述
本文综述了数据挖掘技术，包括回归模型、深度神经网络模型、模糊集和逻辑以及混合模型，以及这些模型如何开发及其准确性，用于石油价格预测。
- 将退化预测与高性能超分辨率网络相结合的框架
本文提出了将盲超分辨率预测机制与深度超分辨率网络相结合的框架，通过在 SR 网络特征映射中插入预测向量的元数据插入块，我们展示了最先进的对比预测方案和迭代预测方案在 RCAN 和 HAN 等高性能 SR 网络中成功地结合使用的结果，实现了比 - 开放域会话人工智能技术现状：综述
该论文调查了现有的开放领域对话人工智能模型，并提出目前存在的主要挑战，同时提供性别统计数据以引发相关伦理讨论。研究认为，虽然最新的技术有了很大进步，但仍需解决许多问题，并且女性模型相对男性模型更常见，混合模型比任何单一架构更具优势。
- 短期负荷预测中的人工智能和统计技术：一篇综述
本系统性综述分析了 2000 年至 2019 年在学术期刊上发表的 240 篇关于应用人工智能、统计和混合模型进行短期负载预测（STLF）的论文，并发现研究人员正在越来越倾向于采用不同技术的混合组合来提高预测准确率，同时识别了模型训练所需数 - 文本可读性评估：变形金刚与手工语言特征的结合
本文介绍了两个优化可读性评估的方法：1. 引入三个新的高级语义特征 2. 明确传统的 ML 模型（如随机森林）可以与 transformers（如 RoBERTa）结合来提高模型性能，通过使用自行开发的特征提取软件提取 255 个特征并构建 - 低资源方言阿拉伯语 - 英语代码切换语音语音识别系统研究
本研究使用基于 DNN 的混合和 Transformer 的端到端模型构建自动语音识别系统并通过构建系统集成方法来提高识别率，结果表明两种模型相互补充且识别性能都不错。