- 回归传统:用传统机器学习学习可靠的启发式方法
当前的学习规划方法在几个领域中仍无法与经典规划器达到竞争力的性能,并具有较差的综合性能。本研究提出了一种构建新颖的图表示的提升规划任务,并使用 WL 算法从中生成特征的方法。这些特征与传统机器学习方法结合使用,其参数数量比最先进的深度学习规 - 图形在分布偏移下的泛化
通过引入图学习不变领域生成(GLIDER)的新框架,本文在节点级别的属性分布和拓扑结构分布的共同分布转变的情境下,实现了优于基准方法的节点级别 OOD 广义化跨域模型。
- 构建脊椎手术的数字孪生:概念验证
手术数字化是创建真实手术的虚拟复制品的过程,也称为手术数字孪生。它在教育培训、手术规划和手术任务自动化等领域具有重要应用。本文提出了一个针对在真实条件下进行的离体脊椎手术的手术数字化概念验证。所提出的数字化主要关注整个手术场景的几何形状和外 - ICMLNaNa 和 MiGu:用于增强图神经网络中蛋白质分类的语义数据增强技术
提出一种新型语义数据增强方法和共嵌入残差学习框架,以将蛋白质的主链化学和侧链生物物理信息纳入蛋白质分类任务中,并使 GIN 在 EC 和 Fold 数据集上的性能分别提高了 16.41% 和 11.33%。
- 基于传感器的人体姿态感知的机器学习技术研究及数据异质性综述
通过分类数据异构类型、应用相应的适合的机器学习方法、总结可用的数据集并讨论未来的挑战,本论文探讨了机器学习如何解决人体活动识别中的数据异构问题。
- Cartan-Hadamard 流形上的切片 Wasserstein 距离和流动
在这份研究论文中,我们探讨了在已知非欧几里德几何特性的数据上,机器学习方法在黎曼流形上的应用以及最优输运方法在该领域的研究。我们提出了在卡尔曼 - 哈达玛德流形上的分片瓦砾斯坦距离,该方法在欧几里德空间上具有闭合解,并且我们还探索了该方法在 - ICLRJAX-SPH:一个可微分的平滑粒子流体动力学框架
我们提出了一种适用于深度学习框架的拉格朗日流体模拟器 JAX-SPH,该模拟器基于 JAX 实现,并扩展了 LagrangeBench 项目中的代码,包括进一步的 SPH 算法、代码重构为 Python 库、求解器梯度验证,以及展示了求解逆 - 预测 3D 基因组结构的机器学习和深度学习方法
通过机器学习方法,基于基因组注释数据、DNA 测序信息和其他基因组特性,预测三种 3D 互作(增强子 - 启动子互作、染色质互作和 TAD 边界),并分析其优缺点以及未来研究的方向。
- 路径推荐综述:方法、应用与机遇
基于城市计算的路径推荐研究综述了传统机器学习和现代深度学习方法在智能交通中的方法学应用、与城市计算场景相关的新应用、当前问题和挑战以及未来研究方向。
- 在线评估中将一级和二级因素一致性作为领域知识引导幸福计算
基于大规模在线网络数据和机器学习方法的快乐计算是一个新兴的研究课题,支撑着从个人成长到社会稳定的一系列问题。本文通过经验研究视角提供了关于解释一致性的新见解,并研究如何引入领域知识约束以使机器学习模型更加可信。实验结果表明,稳定因素关系的领 - PINN-BO:一种使用物理信息神经网络的黑盒优化算法
利用偏微分方程的知识提高优化的样本效率,我们提出了使用物理感知神经网络(PINN-BO)的黑盒优化算法,并通过实验证明我们的算法比现有方法更加样本高效。
- E (3)- 不变分子构象聚合网络
通过集成分子的 2D 表示和其多个构象体的表示,提出了一种新颖的 2D-3D 聚合机制,结合了分子的属性预测和机器学习方法,在已有数据集上显著优于现有的方法。
- 使用声音特征评估回声状态网络对帕金森病预测的研究
该研究旨在开发一种诊断模型,能够在临床实践中实现高准确度和最小化误报阴性,使用 ANOVA 进行特征选择,结合 Echo State Networks 等多种机器学习方法进行评估,结果表明 ESN 方法在 Parkinson's 疾病诊断方 - 多粒度对称微分方程模型用于学习蛋白质 - 配体结合动力学
通过引入机器学习方法,NeuralMD 首次提出了一种能够促进分子动力学和提供准确的蛋白质 - 配体结合动力学模拟的机器学习代理模型,该模型在提高效率方面展现出非凡的成果,并通过稳定度指标超出其他机器学习方法高达 80% 的表现,更具稳定性 - 面向医疗专业人员的问题回答系统 — 一项系统综述
医学问答系统的特点、适用性和改进领域是本综述的目标,研究发现大多数系统准确性相对较低、应用局限性高,关键研究重点应包括开发更真实的医疗问答数据集和考虑答案来源的可靠性。
- 利用机器学习方法预测法尔斯省的霜冻
气象和农业中常见的危害和问题之一是霜冻、寒冷或冻结的问题。本研究使用了三种方法,包括门控循环单元(GRU)、时间卷积网络(TCN)和梯度提升(XGBoost),证明基于机器学习方法的最低温度建模比经验方法具有更好的性能。
- DOO-RE:会议室环境传感器活动识别数据集
利用机器学习方法识别用户活动是通过 IoT 技术为用户提供智能服务的一种有前景的方式。在真实世界中部署这样的服务需要具备高质量的数据和隐私保护。目前,环境传感器采集的数据流很适合此需求。虽然对于私密空间的数据集已有支持,但公共空间的数据集尚 - 利用规范等变卷积神经网络对 SU (3) 规范理论的机器学习固定点行动
使用机器学习方法重新审视如何对固定点动作进行参数化,以获得四维 SU (3) 规范理论的固定点动作,从而获得优于以往研究的更好的参数化,这是未来蒙特卡洛模拟的必要第一步。
- 用机器学习从印有碘的 Keck/HIRES 光谱推断恒星参数
机器学习方法可从印有碘吸收线光谱中高准确度地推断恒星参数和化学丰度,为不需要碘模板光谱的情况下快速估计大量恒星参数提供了一种有效新途径。
- 利用机器学习的扩散磁共振成像
扩散加权磁共振成像(dMRI)提供了非侵入性评估大脑微结构和结构连接的独特能力。然而,分析 dMRI 数据以提取临床和科学目的的有用信息具有挑战性,而机器学习方法在解决 dMRI 分析中的困难任务方面可能具有潜力。然而,为了实现这一点,需要