- 非线性模型的正交化推广
通过纠正 ReLU 激活函数等非线性因素，我们的研究提出了纠正黑盒算法偏见的新方法，有效地保护敏感数据，并在线性模型中进行正交化、在卷积神经网络中进行元数据的归一化以及在预定义的嵌入中矫正不想要的属性。
- 高保真快速仿真的人在环中人在工厂系统（HIL-HIP）
在本文中，我们对无线网络控制的 HIL-HIP 系统中时变组件的离散化对模拟准确性和加速度的影响进行了正式分析，并评估了可靠性保证的权衡。我们针对人工胰腺无线网络系统开发了一个准确的模拟框架，以控制第一型糖尿病患者的血糖，考虑了与心理压力和 - 利用新兴协方差进行概率计算：迈向有效的不确定性量化
通过截断概率表示的前两个矩阵 (均值和协方差)，我们开发了一个高效且可解释的概率计算框架，首先对平均数进行监管以优化任务目标，然后自动捕获模型预测的不确定性。
- CVPR无别名卷积网络：通过多项式激活实现分数移不变性
本文提出一种扩展的反锯齿方法，旨在解决由下采样层和非线性层引起的失真问题，从而创造真正无失真的平移不变的 CNN，并且在整数和分数（即次像素）平移方面具有不变性，因此在对抗平移的鲁棒性方面优于其他平移不变方法。
- CVPRAdaInt: 用于实时图像增强的学习自适应区间的 3D 查找表
本文提出了 AdaInt（自适应区间学习）方法，它通过自适应学习非一致采样间隔，使 3D 查找表能够在需要高度非线性转换的颜色范围内进行密集采样，而在近线性转换方面进行稀疏采样。实验结果表明，与传统方法相比，具有 AdaInt 的方法可以在 - MM高效非线性计算器
提出了一种新颖的数字硬件上生成平滑非线性的算法，具有对称和非对称变体，实现为无乘法的整数 (和定点) 实现，适用于多种人工神经网络结构的激活函数，在硬件资源使用方面的结果表明，这些函数应该在 ANN 设计阶段考虑到其使用在边缘应用上。
- 理解深度卷积网络
这篇文章综述了深度卷积神经网络的架构，介绍了一种数学框架来分析它们的属性，以及讨论了它们的应用。
- MM全双工无线系统中的基带和射频硬件失真：实验特性和抑制
本研究通过实验识别和分离硬件缺陷，得到一个数学模型以抑制自干扰信号，在全双工 OFDM 系统中，相比现有的最先进实现，通过联合补偿 IQ 失衡和 DAC 非线性，可以获得多达 13dB 的额外抑制。
- 如何通过目标传播，使得自编码器对深度神经网络提供信用分配
本研究提出了利用重构为深度学习提供层本地的训练信号的方法，重构可以通过目标传播的形式进行传播，类似于反向传播，但有助于减少导数的依赖性以跨越许多水平的可能具有强非线性的学分任务，重构可以是一个更可能是其输入版本的重构，即更高似然性的方向上的 - 高维度估计与几何约束
本文提出了一种简化的半参数单指数模型，用于信号处理中的估计问题，理论基于可行集的平均宽度并通过线性估计和度量投影实现，即使在高噪声情形下，未知的非线性关系也不会显著降低确定信号的能力。
- ICML非线性潜力模型的状态空间推断及其在卫星轨道预测中的应用
本文提出了一种基于卡尔曼滤波和平滑方法的有效非线性状态和参数推断的方法，以处理用于预测 GPS 卫星轨道的非线性潜在力模型。