- 强大且可控的盲图像分解
为了实现对盲图像分解过程的控制，我们设计了一种名为可控盲图像分解网络的架构，它允许用户选择要去除或保留的降解类型，并在最小的计算成本下实现了分解和重组功能，以实现盲图像分解任务和用户意图的高效输出。
- 从边际概率中推断动态网络的迭代比例拟合
推断动态网络及其边际概率，IPF 算法的统计基础、稳定性与误差界分析，静态网络结构下的可收敛性，实验验证
- 从嘈杂且不完整的数据中学习网络传播模型
基于可扩展的动态传递消息技术，介绍了一种通用学习方法，用于从真实数据中学习传播模型的网络结构和参数，并解决了未知网络结构、噪声数据、缺失时间观测以及最小化所需样本数量的模型选择等挑战。
- 基于电生理数据的神经元相互作用映射和预测的储备计算模型
用电生理测量数据构建了计算模型，基于储水池计算网络（Reservoir Computing Network，RCN）架构，通过预测网络连接性地图和局部刺激的网络响应来重构神经元网络结构。
- 模块化混合注意力网络用于视频问答
多模态机器学习中的网络结构复杂，通过连接可重用且可组合的神经单元，可以以更直观的方式完成多模态机器学习任务的网络构建，同时通过参数共享大大减少了空间复杂度。
- 多任务在线学习：聆听邻域嗡嗡声
我们在一个能够通过网络与邻居交换信息的设定中研究多任务在线学习。我们介绍了一种分散算法 $ exttt {MT-CO}_2 exttt {OL}$，其遗憾度取决于任务相似性和网络结构之间的相互作用。我们的分析表明，$ exttt {MT-C - 基于分层强化学习的未知网络传播控制方法
本文提出了一种层次式强化学习方法，通过在未知的网络结构下移除节点，有效控制危险事件的传播。模拟实验证明了我们的方法相比基准方法的优越性，尽管我们的方法对网络结构没有先验信息，而基准方法具有丰富的网络结构知识。
- 通过融合头部姿态信息和特征实现的 3D 面部对齐
本研究提出了一种新方法，通过将头部姿势信息与面部定位网络的特征图相融合，改进了面部定位的性能。此外，所提出的网络结构通过使用 2D 特征图和 3D 热图表示的多维特征，在双维度网络中实现了鲁棒的面部定位。为了有效地进行密集面部定位，我们还提 - 学生学习机制
该研究通过瞳孔学习过程提出了瞳孔学习机制（PLM），用于修改两层神经网络的网络结构和权重，并通过实验证实了 PLM 模块的设计以及 PLM 模型在铜价预测中的优越性。
- DifFSS: 少样本语义分割扩散模型
DifFSS is a novel few-shot semantic segmentation paradigm which leverages the powerful generation ability of diffusion m - 自适应特征学习的多场景排名
Multi-Scenario Learning is used in recommendation and retrieval systems to transfer learning from different scenarios vi - 双侧特征融合 3D 姿态传递
提出了一种双侧特征融合姿势转移网络，通过将姿势特征作为解码网络的一个侧面输入，并在多个尺度上逐层将其融合到目标网格中，从而提高了轻量级方法的姿势转移准确性。
- Hi-ResNet：高分辨率遥感图像语义分割网络
本研究提出了一个高分辨率遥感图像网络模型，可解决同类别地物在不同地理环境下形态和比例显著不同，以及复杂背景噪声干扰下影响现有学习算法效果的问题。该模型包含漏斗模型、信息聚合模块、特征精炼模块和 CEA Loss 损失函数，并通过有效的预处理 - ACLPatton: 在文本丰富的网络上进行语言模型预训练
本研究提出了一种针对文本丰富的网络的预训练模型，使用网络上下文引入文档间关系依赖来捕获文本属性和网络结构之间的内在依赖关系，实验表明该模型在学术和电商领域的四个下游任务中表现显著优于基线模型。
- l-Leaks: 带有 Logits 的成员推断攻击
本文提出基于黑盒目标模型的攻击方法，称为 L-Leaks 攻击，通过学习目标模型的对数几率并让暗模型更加与目标模型相似来构建一个针对目标的暗模型，进而实现预测目标样本成员身份的目的，实验证明攻击非常有效。
- WSDMEvoKG: 联合建模事件时间和网络结构，用于在时间知识图上进行推理
本研究提出了一种新的方法 EvoKG，能够联合建模事件时间和演化网络结构，采用循环事件建模和基于时间邻域聚合框架模拟 TKG 中的结构和时态动态，使用神经密度估计实现事件时间的准确建模，并通过实验证明了其效果和效率均比现有方法更好。
- MM时间序列中的 Transformers: 一项综述
本文系统地回顾了 Transformer 在时间序列建模中的运用，总结了其优点、局限性以及在网络结构、应用方面的适应性和修改，并对常见的时间序列任务进行了分类，包括预测、异常检测和分类。通过实证分析，研究了 Transformer 在时间序 - ICCVSDWNet：一种基于小波变换的长径网络用于图像去模糊
本研究提出一种使用扩张卷积和小波变换的简化网络结构来解决图像去模糊问题，通过充分利用不同的感受野，使我们的方法在训练要求较低的情况下实现了与现有算法相当的性能。
- ACL在线社交网络结构调节词汇变化速率
本研究旨在探讨社交网络结构对词汇变化的影响，通过对 4420 个在线社区在 10 年内发生的 80,000 个新词汇的大规模分析，使用泊松回归和生存分析，发现社区的网络结构对词汇变化起着显著作用，特别是密集连接，缺乏本地集群和更多的外部联系 - 用于 GPU 高效网络的神经结构设计
本文提出了一种基于现代 GPU 设计 GPU 高效网络的通用原则，通过简单且轻量级的方法搜索 GPU 高效网络结构，相较于大多数神经体系结构搜索方法（NAS），该结构具有简单且低计算开销的优势。通过该原则，我们设计出了一系列 GPU 高效网