- 学习具有记忆的高维马尔可夫过程的影响图
基于对多个应用程序在社交网络、神经系统和金融风险分析中的动机，我们研究了学习具有内存的高维多元离散时间马尔可夫过程的底层（有向）影响图或因果图的问题。我们将一个已有的算法扩展到这种带有内存的马尔可夫设定中，并证明了在影响图的度受限制的条件下 - 多任务高斯过程的时变转移矩阵
本文介绍了一种基于核的多任务高斯过程模型，用于利用具有两个状态的时间不均匀马尔可夫过程（移动和暂停）来近似个体移动状态的基本功能，并介绍了时间可变性，并利用 Toeplitz 和 Kronecker 积的结构加速 GP 估计和推理，其中数值 - Pelphix：经皮骨盆固定术中 X 光图像的手术阶段识别
本文提出了一种名为 Pelphix 的新方法，用于将 X 射线高度合成图像序列建模，以在四个不同细化级别上对手术阶段进行分类。这种方法证明了 X 射线的 SPR 的可行性，它对骨科手术、血管造影和介入放射学等过程都有益。
- 折扣强化学习中的采样与估计故事
本文围绕折扣强化学习中下降估算最常见的问题，提出了关于估算误差与马尔科夫过程和折扣因子的混合特性的极小极大下界，然后对一组显著的估算器和相应的采样程序进行了统计分析，并表明直接从马尔科夫过程折扣核中进行抽样估计平均值，相对于传统估算器具有更 - SimNet：从真实观测中学习反应式自动驾驶模拟
本文提出了一种利用深度神经网络建模驾驶安全体验的简单的端到端可训练式机器学习系统，可以用于验证自动驾驶系统的性能，而无需进行昂贵且耗时的道路测试。
- 具有有限熵条件下的扩散过程的时间反演
基于熵最优传输，研究了扩散过程的时间反演问题，得到了一类扩散过程的时间反演公式和半鞅特征的表达式，并使用此方法推导了一个关于图上随机游走的时间反演公式。
- CVPRDMCP：神经网络可微分马尔可夫通道剪枝
本文提出了一种基于马尔可夫过程的可微信道修剪方法 Differentiable Markov Channel Pruning (DMCP)，它可以通过梯度下降直接优化标准任务损失和预算规则来有效地搜索最优子结构，并可以在各种 FLOPs 设 - 高斯过程回归对未知动力系统的安全验证
提出了一种使用高斯过程的验证框架来对不确定动态系统进行抽象，并利用已有方法对不确定马尔可夫过程进行安全验证，该方法在多个例子中得到了验证。
- 扩散桥的分段确定性蒙特卡罗方法
本文介绍了 Zig-Zag 采样器用于条件扩散过程 (扩散桥) 的采样问题，该过程是一种基于不可逆连续分段确定性马尔可夫过程的无拒绝采样方案，继承了 Lévy-Ciesielski 构造布朗运动的思想，借助于 Faber-Schauder - ICML学习时间箭头
文章研究了如何在马尔科夫（决策）过程中学习时间的箭头，展示出学习的时间箭头如何捕捉环境的信息，并且能够用来测量可达性、检测副作用和获取内在奖励信号，并在离散和连续环境的选择上显示出实证结果，并展示了学习的时间箭头与 Jordan-Kinde - 从马尔科夫转移数据中学习状态聚合
本文提出了一个基于软聚合模型的简单算法，通过对系统轨迹的概率聚合图进行估计，可以获得显式形式的聚合分布和解聚分布，进而生成具有理解性的数据驱动状态聚合图。
- 现代数据增强的内核理论
本文提出了一个理论框架来理解数据增强技术，并从马尔科夫过程和核分类器两个方向进行分析。研究发现，数据增强可以通过一阶特征平均和二阶方差正则化组件来实现近似。本文还将理论应用于加速机器学习工作流，并证明其在预测变换效用和减少使用增强数据所需计 - 具有可充电电池的智能电表系统的信息论隐私保护
本文通过使用可充电电池的方式研究了如何在保证满足可行性约束的情况下，使用第一阶 Markov 过程和标准化互信息来保护智能电表系统用户的隐私。同时，我们还研究了最佳充电策略和其对应的互信息泄露速率。
- 有条件和驱动过程的变分和最优控制表示
本文提出一种基于 Doob 的 h 变换的 Markov 过程，并使用大偏差函数和相对熵等原理对其进行了解释和推广，包括控制方法和近似大偏差函数的新方法。
- 基于数据的 Koopman 算子近似：拓展动态模态分解
本文介绍了一种基于数据的方法，用于近似 Koopman 算子的主要特征，其不需要显式的控制方程或与 “黑匣子” 积分器的交互，并演示了该方法的可行性及其潜在应用示例。
- 超图马尔可夫算子、特征值和近似算法
本文引入了一种新的超图拉普拉斯算子，并研究了其光谱。通过该算子的第二小本征值，证明了超图的扩展性和混合时间，并进一步将这些结果推广到了图的节点扩展。
- 连续时间贝叶斯网络
本文提出了一个描述连续时间的结构化随机过程的有限状态连续时间贝叶斯网络（CTBNs）的语言，将状态分解成一组本地变量，其行为由其在有向图中的父级的函数描述，模型以任何给定时间点确定本地变量更改其值和其取下一个值的分布，提供了一个概率语义和近 - 以马尔可夫动力学作为多尺度社区检测的放大镜：非类团社区和视野限制
通过采用动态视角和马尔可夫过程，本文展示了长程社群结构的检测。这一新颖方法使得算法可以检测所有尺度上的社群结构，不需要强行设定一个上限，从而避免了由于尺度设置不当导致的社群过度划分问题。
- 人类网络中的疫情传播
本文提出一种 SIS 模型的改进版，将警惕性引入该模型，得到了一个连续时间马尔可夫过程，并且证明了该模型的传播具有两个明显的阈值。实验进一步证明了，警惕性可以被视为控制流行病的一种策略，对从传染病缓解到减少恶意软件影响的多个应用领域具有潜在 - 半鞅的边际分布模拟
本文针对不连续半鞅的局部特征，构建能够匹配其边际分布流的马尔科夫过程生成器，并通过该结果将 Kolmogorov 前向方程扩展到非马尔可夫情形，得到了半鞅的一维分布的偏微分方程。