- 混淆恶意软件检测：通过内存分析研究真实场景
本研究通过内存转储分析，利用多样的机器学习算法提出了一种简单且具有成本效益的混淆恶意软件检测系统。通过评估决策树、集成方法和神经网络等多种机器学习算法在内存转储中检测混淆恶意软件的效果，研究涵盖了多个恶意软件类别，为增强网络安全并抵御不断演 - 文本分类器中的对抗攻击与维度
机器学习算法的对抗性攻击是人工智能在很多实际应用中的主要障碍之一，通过在测试样本中引入微小和结构化的扰动，对高性能神经网络造成显著影响。本文在自然语言处理领域特别是文本分类任务中研究对抗性示例，探究了对抗性容易受到攻击的原因，特别是与模型固 - 智能手机上的人体活动识别
我们创建了一个安卓应用程序，能够实时识别人体活动并计算所燃烧的卡路里，使用了标记的三轴加速度读数和机器学习算法，以及一部分特征来提供最大准确度和最小模型构建时间。
- MMCSST 强引力透镜准备：中国空间天文台（CSST）多色成像调查中强引力透镜的检测框架
基于视觉 Transformer 和滑动窗口技术的层次化框架，我们提出了一种针对整个图像中的强引力透镜系统的搜索方法，可以有效地发现多波段图像中的强引力透镜系统，并且在真实观测和模拟数据中得到了较高的精度和召回率。
- 用于签名核的高阶求解器
通过利用光滑粗糙路径的概念，我们引入了新的用于数值逼近签名核的算法，从而减少了分析高振荡时间序列所需的计算复杂性。
- 可解释的人工智能整合特征工程用于野火预测
通过深入研究，我们评估了各种机器学习算法在预测野火相关任务中的分类和回归任务方面的有效性。我们发现，对于不同类型或阶段的野火分类，XGBoost 模型在准确性和稳健性方面优于其他模型。与此同时，Random Forest 回归模型在预测受野 - 基于强化学习的碰撞回避的外观感知的变分自编码器
将变分自编码器应用于深度强化学习代理的外显输入，以获得一种广义的低维潜在编码，提高海运控制系统的性能。
- 参数化透镜的深度学习
我们提出了一种基于镜头、参数化映射和反向导数范畴的机器学习算法的分类语义学。这一基础提供了一个强大的解释性和统一性框架：它包括了各种梯度下降算法，如 ADAM、AdaGrad 和 Nesterov 动量，以及各种损失函数，如 MSE 和 S - 同态 WiSARDs：加密数据上高效的无权重神经网络训练
该论文介绍了在加密数据上对 Wilkie、Stonham 和 Aleksander 的 Recognition Device (WiSARD) 和 Weightless Neural Networks (WNNs) 进行训练和推理的同态评估 - 使用弹性网络和多目标粒子群优化的销售价格预测的新型决策融合方法
根据市场趋势、预期需求和其他特征（包括政府规定、国际交易和投机与期望），价格预测算法针对每个产品或服务提出价格。然而，随着输入变量的增加，现有的机器学习方法在计算效率和预测效果方面面临挑战。因此，本研究介绍了一种决策层面融合方法，以选择有信 - 关于近贝叶斯最优算法的不确定性量化
本文介绍了一种用于解决常用机器学习算法的贝叶斯推断问题的新方法，证明了通过构建一个 martingale 后验分布，可以恢复由任务分布定义的贝叶斯后验。同时提出了一种适用于通用机器学习算法的实用不确定性量化方法，实验证明了该方法的有效性。
- 基于人工智能 (AI) 的新冠肺炎患者死亡预测
针对 COVID-19 严重患者，本研究利用九种机器学习算法和两种特征选择方法进行预测模型建立，发现重症肾脏损伤是最重要的特征。在预测死亡、ICU 需求和通气天数方面，LSTM 算法表现最佳，准确率达到 90%，敏感性为 92%，特异性为 - 裂纹图像的分割工具
本研究提出了一种半自动裂缝分割工具，通过图像处理算法利用多方位小波变换构建图像的 “方向得分”，从而计算出最佳裂缝路径，进而实现像素级的分割，该方法优于完全自动方法，并显示出成为手动数据标注的合适替代方法的潜力。
- Sen2Fire：一个使用 Sentinel 数据进行野火检测的具有挑战性的基准数据集
利用卫星图像进行野火监测在实际应用中具有重要的潜力。为了推动机器学习算法在这一领域的发展，本研究引入了 Sen2Fire 数据集，这是一个专门用于野火监测的具有挑战性的卫星遥感数据集。通过选择特定的波段组合，采用标准化烧伤比（NBR）和标准 - 排列不变神经网络
传统机器学习算法通常基于假设输入数据以向量形式存在，重点关注以向量为中心的范式。然而，随着需要处理基于集合输入的任务的增长，研究界面对这些挑战的关注已发生了范式转变。近年来，像 Deep Sets 和 Transformers 这样的神经网 - 探索绿色 AI 用于音频深度伪造检测
该研究提出了一种新的音频深度伪造检测框架，利用标准 CPU 资源进行无缝训练，并借助自我监督学习模型的嵌入来使用经典机器学习算法，与常用的高碳足迹方法相比，取得了有竞争力的结果。
- 关于机器学习算法在摩托车碰撞检测中的应用
全球而言，摩托车吸引了广泛及多样的用户。然而，由于摩托车事故严重伤亡率远远超过乘用车事故，人们致力于提高被动安全系统。该论文通过模拟事故和驾驶操作，收集数据并训练机器学习分类模型，研究了机器学习算法在可靠检测即将发生的碰撞方面的适用性，并通 - 基于梯度提升算法的乳腺癌分类，重点减少假阴性并使用 SHAP 解释性
通过使用四种提升算法：AdaBoost、XGBoost、CatBoost 和 LightGBM，研究了乳腺癌的预测和诊断，以及针对召回率、ROC-AUC 和混淆矩阵的最有效度量标准。同时使用 Optuna 进行超参数优化，利用 SHAP 方 - 医疗数据缺失值填补技术的性能评估
该研究比较了七种填补技术在三个医疗数据集上的表现，结果显示 Missforest 填补法表现最好，其次是 MICE 填补法；此外，研究还表明在处理包含缺失值的数据时，首先进行填补再进行特征选择效果更好。
- 多智能体学习系统的数学：博弈论与人工智能交叉界面
进化博弈论和人工智能两个领域虽然乍看起来不同，但它们具有显著的联系和交叉点。本文旨在通过交叉思想促进多智能体学习系统的数学进展，特别是在 “集体合作智能” 领域，以连接进化动力学和多智能体强化学习。