- 多光谱 CT 离散基础正弦图谱的解的存在性、唯一性和稳定性
通过离散非线性系统的理论和数值分析，研究多光谱计算机断层扫描中基础正弦图像的存在性、唯一性、稳定性等问题，从而可实现定量图像重建。
- 矩阵故障！基于内容驱动的音视频伪造检测与定位的大规模基准测试
本文提出了一种用于检测 Deepfake 的方法，它通过提出包含多种模式的策略内容驱动音频、视觉和音视频混合进行识别。并通过定量分析证明了 BA-TFD + 算法再 Deepfake 检测方面的优越性。
- 联邦灾害援助政策 —— 宣言式分析
本文采用新的定量方法，从三个不同的利益相关者的角度，对联邦灾害援助政策进行了量化分析，并考虑了三个政策修改，分析了随着过程的变化，利益相关者满意度的变化。该分析被用于根据所有集体利益相关者的首选项来排名四种政策的好处程度。
- 利用人类和模型循环收集高质量对抗数据以用于机器阅读理解任务
本文介绍我们在创建高质量的、针对任务 1 的机器阅读理解数据的过程中的经验，并描述了我们基于不同专题的定量定性分析结果以及与注释员信心的相关性，最后我们提出了相关建议。
- 从遗传漂变理解到用于分布估计算法的智能重启机制
通过量化分析和实验验证，我们设计了一种基于 “智能重启机制” 的 EDAs 算法，可以自动识别较好的参数，并且在许多情况下充分展示了其优异的性能表现。
- 一种基于分解的方法用以评估叙述分析中标注者之间的不一致
本研究分析了叙述分析中注释者间存在分歧的原因，提出了一种注释方法以及针对不同的注释层面进行了定量和定性分析以减少未来注释时可能存在的分歧。
- 响应偏移范例量化人类对人工智能推荐的信任
本研究通过一般目的的人工智能 - 人类交互方式，定量测量了 AI 推荐对人类决策的影响，从而代表了人类对 AI 的信任程度，该范例可定量比较 XAI/IAI 方法对最终用户的影响，打开了学习信任的 (机器) 可能性。
- 低资源语言的神经机器翻译：综述
本文介绍了对低资源语言 NMT（LRL-NMT）的研究进展进行了详细调查，并定量分析了最受欢迎的解决方案，提供了一组指南来选择给定 LRL 数据设置的可能的 NMT 技术。它还呈现了 LRL-NMT 研究领域的完整视图，并提供了进一步增强 - ACL委婉语中性别不对称的历时评估
本文通过在四个大规模的英语历时文本语料库上进行数量分析，评估了女性是否比男性更多地使用委婉语，并发现女性并未比男性更多地使用委婉语，这表明在广泛的情景中，女性并不比男性更多使用或形成委婉语。
- AAAI视觉 Transformers 是强大的学习器
本文旨在研究 Vision Transformer 对常见的图像扰动、分布偏移和自然对抗样本的稳健性，并在六个不同的 ImageNet 数据集上与 SOTA 卷积神经网络进行性能比较，通过一系列六个系统设计的实验，提供了定量和定性的分析来解 - 付费众包平台上的创意
本文通过两个众包平台问卷的数量和质量分析，揭示了受访者对付费众包平台的创意工作的看法和意见，并提出了该领域的一些共性障碍和完善建议。
- StocHy: 随机过程的自动验证和合成
StocHy 是一个用于离散时间随机混合系统 (SHS) 的定量分析的软件工具，可以模拟 SHS 的演变并自动构建抽象，该抽象可用于形式验证或控制合成。
- 从视角的角度解析人员再识别
本研究通过引入可控的整合 3D 人体模型的大规模数据引擎 PersonX，对行人旋转角度对行人再识别准确性的影响进行了定量分析，从而深入研究了旋转角度等视觉因素对行人再识别系统的影响。
- EMNLP学习性别中性词嵌入
本文提出了一种基于新颖训练过程的性别中性词向量的学习方法，通过在某些维度中保留性别信息并让其他维度不受性别影响的方法，成功地建立了一种 GN-GloVe 的性别中性变体，该变体在保留嵌入模型功能的基础上隔离了性别信息，并得到了定量和定性实验 - BRATS2017 挑战赛中的脑肿瘤分割及放射组学生存预测
本文介绍了一种利用卷积神经网络的特征加上数据增强和 Dice 损失函数的方法，成功应用于大脑肿瘤的分割，同时在乳腺癌核分裂图像的分割中也有着广泛的应用。
- 智能合约的定量分析
本文介绍了一种新的针对智能合约的，关于可量化属性的形式化分析框架，并提出了设计一种简化的智能合约编程语言，自动翻译程序为状态感知博弈，以及实验结果的方法。
- 基于拓扑结构的多任务深度神经网络预测毒性
本研究基于持久同调和机器学习算法，提出了一种新的拓扑学方法 —— 元素特异性持久同调（ESPH），可用于小分子的毒性定量预测，并可优于现有方法。同时提出了一种基于拓扑学的多任务策略，并开发了计算带有元素特异性拓扑描述符（ESTDs）的在线服 - 理解概念漂移
本文探讨了概念漂移对机器学习实际应用的影响以及应对概念漂移的方法，提出了定量分析方法和漂移分析工具，并通过三个实际学习任务的应用验证了它们的有效性。
- 生成网络的采样
介绍了几种用于采样和可视化生成模型的潜在空间的技术，包括通过球面线性插值代替线性插值以防止背离模型先验分布并生成更清晰的样本，使用 J-Diagrams 和 MINE grids 可视化类比和最近邻创造的流形，提出使用数据复制的偏差校正向量 - ECCV无关视角实体分割
本文提出并验证了一种基于标准模态实例分割注释来训练模型进行非模态实例分割的新方法。同时定性和定量证明了该方法的有效性。