- 从数据中学习动态贝叶斯网络：基础，原理和数值比较
本文简要介绍了学习动态贝叶斯网络（DBNs）的基本原理及其在变量分布、学习方法和优化方面的应用。
- ICLR多语种语调转换：比较监督和迁移学习
对语音合成系统中的韵律传输领域进行研究，评估了适应多语言环境的预训练单语言文本转语音模型的学习方法，即监督微调和迁移学习。结果表明，与监督微调相比，迁移学习可以显著提高性能，平均 MOS 得分高出 1.53 点，RA 增加 37.5%，MC - 深度子模分群网络
本文介绍了一种新的参数化子模函数家族 —— 深度子模外周网络 (DSPNs)，以及用于训练这些函数的方法。我们引入了新的 GPC 风格的 “外周” 损失函数，并定义了一套新颖的训练采样策略，展示了 DSPNs 在学习子模性质方面的有效性以及 - 基于技能的视觉物体导航的交互式语义地图表示
使用学习方法的视觉对象导航是移动机器人的关键任务之一，本文介绍了一种在与室内环境进行混合体互动过程中形成的场景语义地图的新表示方法，该方法基于神经网络通过反向或正向图像序列上的预测融合损失值的反向传播来调整分割模型的权重。我们将此表示方法实 - 从观察中学习集体行为
通过设计合适的损失函数，利用变分逆问题方法，我们提出了一系列学习方法，用于识别动态系统的结构，以了解相互作用代理系统中的新兴行为，能够有效处理高维观测数据，包括一阶和二阶动态系统的观测数据，考虑观测 / 随机噪声、复杂的相互作用规则、缺失的 - 学习多模态感知的社交机器人导航的研究
自主移动机器人需要通过其载有的传感器 (如 LiDAR 和 RGB 相机) 感知环境，并做出适当的导航决策，为了在人类居住的公共空间中导航，这个导航任务不仅仅是避开障碍物，还需要考虑周围的人类及其意图，以对应社会规范进行导航行为的微小变化， - CodeGen2：训练大型语言模型处理编程和自然语言的经验教训
本文研究如何通过整合模型架构、学习方法、填充采样和数据分布等四个关键组件来提高大型语言模型在程序综合方面的训练效率，并在 1B LLMs 上开展了一系列实验，提炼出四个教训并发布了 CodeGen2 模型和训练框架。
- dGLI 布料坐标：基于拓扑表示的布料状态语义分类
通过介绍 dGLI 布料坐标系，本文为布料操作规划和控制提供了高效的学习方法，其基于高斯连接积分的方向导数允许一致性统一地表示平面和空间配置。该坐标系在分类布料状态和感知抓把变化等方面表现更加精准灵敏，且被证明可以通过简单的距离分类器来识别 - 面向智能家居服务设计的已训练神经网络规则提取方法
提出 Pedagogic Based Rule Extractor (PBRE) 算法对基于学习方法的规则进行抽取以实现智能家庭动态规则生成，并比较其与现有算法的性能和应用于一个智能家居服务的结果。
- MM人类行为建模 Part II -- 认知方法与不确定性
本文讨论以人类认知能力、局限性和偏见为基础的学习方法，并介绍一些方法来产生和利用对人类决策或未来决策结果的偏见或不确定性的表示。
- 情感图像内容分析：二十年回顾与新视角
介绍了 AICA 的发展历程及其三个主要挑战，即情感差距、感知主观性和标签噪声与缺失。总结和比较了情感特征提取、学习方法以及 AICA 应用的代表性方法。同时，探讨了未来的挑战和应用前景。
- SMARTS: 自主驾驶的可扩展多智能体强化学习训练平台
本文介绍了一种名为 SMARTS 的智能驾驶多智能体模拟平台，可以生成多样且熟练的驾驶交互，并在多智能体交互方面进行了深入、广泛的研究，以解决自主驾驶中如何与多种路用户进行有效交互的问题。
- CVPR多目标跟踪的神经求解器学习
本文提出了一种基于消息传递网络的全可微分多目标追踪框架，可以直接在图形领域进行操作，实现对于整个检测集的全局推理和最终解决方案的预测，证明了在多目标追踪领域，学习不仅需要局部特征提取，还可以应用于数据关联步骤，并在三个公开基准测试中取得了显 - ICCV应用于对抗学习和域自适应的混合分布归一化 Wasserstein 距离
本文研究通过引入归一化 Wasserstein 度量来解决不平衡混合比例问题，并将其应用于生成模型、域自适应和聚类等多个领域，表现出显著的性能提升。
- 数据内插是否违背了统计最优性原则？
学习方法插值训练数据可以实现最优率，适用于非参数回归和基于平方损失的预测问题。
- ACL知识库实体的细粒度类型划分的多层次表示
本文研究自然语言中实体的多层表示学习方法，包括字符级、单词级和实体级。我们比较了各级别上的现有学习方法，确认每个级别的表示都提供互补信息，同时提出将三个级别的表示联合起来可以大幅度提高细粒度实体类型识别的性能，而添加实体描述信息能够进一步增 - 公平约束：公平分类的机制
该研究引入了一种灵活的机制，以设计公平的分类器，其中利用了一种新颖的、直观的决策边界（不）公平度量，并结合实际的数据表明，该机制在维持准确度的小代价下，允许对公平度进行微调。
- 稀疏正交投影方法在单纯形上的应用
本文实现了基于凸松弛和非凸约束的高维学习问题，包括量子重构、稀疏密度估计和组合优化等领域，以简单形式解决这些问题。
- Sinkhorn 传播的排序
该论文探讨了一种基于 Sinkhorn 规范化的 DSM 排名函数学习技术，通过 SinkProp 算法，该技术可应用于各种基于梯度的排序学习模型，并展示了在多个信息检索数据集上的实用性。
- AAAI随机化最小侵入式采集点击记录中的无偏好好处
通过处理搜索结果展示方式，消除展示偏见获取更客观的用户隐式反馈，取得更佳的排序效果。