- 信息流路径：大规模自动解释语言模型
我们通过构建节点和边的图表来自动揭示模型中的信息流；与现有的工作流相比，我们通过与其他的方法相反，利用属性来实现这一目标，并能够在任何预测中提取信息流路线，不仅限于特定类型的预测；此外，我们实验了 Llama 2，并表明了某些注意力头的整体 - AAAI大规模约束聚类与强化学习
在本文中，我们研究了在网络中为集群级别分配资源，从而提高资源分配和使用效率。我们提出了一种利用强化学习解决约束聚类问题的方法，通过训练一个代理来生成可行且（接近）最优的解决方案。通过实验结果表明，我们的算法即使在大规模实例中也能找到接近最优 - 基于 3D 可变形网格模型和光流的结构密集位移网络
本研究提出了一个网络，通过单目摄像头识别 RC 框架结构的位移。该网络由 FlowNet2 和 POFRN-Net 两个模块组成，FlowNet2 用于生成稠密光流，POFRN-Net 用于提取姿态参数 H。该研究展示了对第一视频的真实位移 - 基于注意力的动态多层图神经网络在贷款违约预测中的应用
作者提出了一种基于图神经网络和循环神经网络构建的动态多层网络的信用风险评估模型，该模型考虑了不同类型的连接和这些连接随时间的演变，并通过使用自定义的注意机制提高了模型表现，与传统方法相比，在预测借款人违约概率方面，我们的模型带来了更好的结果 - 预测网络监控 -- 利用机器学习和数据分析进行网络攻击的推测研究
利用机器学习和数据挖掘技术增强网络安全，本文提出了一种新的技术，基于多个数据参数预测网络中即将发生的攻击，通过测试阶段的结果选择最佳模型，并提取可能导致攻击的事件类别。
- 古典条件化门的网络及其学习
化学人工智能是化学合成的人工智能，具备学习和信息处理的能力。日本于 2021 年启动了名为分子控制论计划的化学人工智能研究项目，旨在创建一个能够通过经典条件反射学习的分子机器。本文提出了一种在网络中实现所需功能的学习方法，该网络由每个节点实 - AAAI探索联邦社区检测的框架
分布式社区检测中的联邦学习，初步实验揭示了分布数据引入的性能差距，并提出了解决这些问题的解决方案。
- 若得之则与之，语义对应学习无对标图像
通过无标签对训练的简单而有效的方法，扩充了数据集的数量和多样性，并在基于语义的对应基准测试中取得了优于里程碑基线和最先进方法的性能提升。
- HKTGNN：基于层次知识迁移图神经网络的供应链风险评估
建立供应链风险评估模型以有效管理和缓解潜在风险的重要性逐渐增加，本文提出了一种基于层次化的知识可迁移图神经网络的供应链风险评估模型，通过图嵌入方法将供应链网络嵌入到基本产品网络中，解决了数据饥饿问题，实验证明该模型在实际供应链数据集上表现优 - MM双色空间下的深度图像融合
本文研究了基于双色彩空间的图像协调方法，将混合的 RGB 特征与解开的 Lab 特征相结合，减轻协调过程中的负担。网络包括一个 RGB 协调主干，一个 Lab 编码模块和一个 Lab 控制模块。
- 文本到视频人物检索与一个新基准
本研究提出了一种新的任务称为 Text-to-Video Person Retrieval (TVPR)，并构建了一个包含自然语言注释的大规模跨模态人员视频数据集 (TVPReid)，利用 Bert 获取字幕表示并研究字幕与视频表示之间的关 - Cloud-RAIN: 具有反射不变性的点云分析
通过使用二次神经元和 PCA 规范表示的框架，提出了 Cloud-RAIN 来使点云具有反射不变性，验证了该方法的优越性并证明了其反射性质。
- 具有截止时间的学习增强在线数据包调度
研究了在线分组调度问题，在预测误差较小的情况下使用了新算法框架，提高了竞争比率且仍保持有界竞争比率。
- 通过成对降级特征向量引导解锁低照度雨天图像恢复
本文介绍 $L^{2} RIRNet$ 神经网络，旨在实现同时处理低光和降雨的任务，此外还提出了两个有效工具 —— 快速傅里叶 - ResNet 的细节引导模块和低光 - 雨图像合成与真实数据集。
- 2022 年糖尿病足溃疡大挑战总结
该论文介绍了 2022 年糖尿病足溃疡挑战赛，从先前的 DFU 挑战完成的工作出发，集中关注于糖尿病足溃疡分割任务，提供了 4000 个完整的足部溃疡图像，并附有相应的溃疡区域。在众多参赛者中，最佳表现网络是改进的 HarDNet-MSEG - KDD道路网络表示学习：基于双图的方法
本文提出了一个基于超图的图神经网络模型 HyperRoad 用于道路网络表示学习。此模型通过构建超图捕捉道路网络中的高阶联系，并利用图重建、超图重建和超边分类任务去学习结构信息和长距离联系。
- 利用图神经网络辅助的探索式学习进行未知拓扑的社群检测
通过采集易于获得的节点元数据，META-CODE 提出了一种新的端到端解决方案，用于检测未知拓扑结构的网络中的重叠社区， META-CODE 通过图神经网络训练节点层次社区从属嵌入，并使用 Siamese 神经网络模型进行网络推理。
- 基于权重过滤的图像多类别可解释性遗忘
本文提出了一种名为 WF-Net 的框架，通过内存矩阵调制图像分类网络的内部组件，以实现对所有类别的快速撤销，并发现适用于每个类别的权重，从而恢复了一种设计可解释的类别表示方式。
- 网络多智能体强化学习中局部策略迭代的全局收敛性
本研究提出了一种名为局部策略迭代的算法，可以通过提高智能体之间的合作，最大化长期奖励的平均值，解决了多智能体强化学习问题中所面临的维度诅咒和通信限制的问题。
- CVPRFeatureBooster: 用轻量级神经网络增强特征描述子
我们介绍了一种轻量级网络，用于提高同一图像中关键点描述符的准确性，并在图像匹配、视觉定位和结构运动任务中进行评估，结果显示我们的方法显著提高了每项任务的性能，特别是在具有挑战性的情况下，例如大的照明变化或重复图案。