- ICML预测赡养费案件的法院裁决：避免非法律因素，关注法官决策和可理解的 AI 模型
通过使用大量的法庭离婚案例并观察允许分配抚养费的变量，本研究通过结合分类和随机森林回归模型，提供了一个可解释的人工智能模型，旨在作为现有决策工具的补充，以更好地理解法官所做的决策机制。
- 具有球谐特征的稀疏高斯过程
该研究提出了一种新的互域变分高斯过程模型，使用球谐表示法将数据映射到单位超球面上，并采用类似变分傅里叶特征的推理方案，这使得模型能够在保持最先进准确度的同时，比标准稀疏高斯过程模型快出两个数量级拟合具有 600 万个条目的回归模型，并在具有 - 考虑天气状况影响的自行车共享系统中的自行车数量建模
该研究提出了一种评估天气条件对旧金山湾区自行车共享系统自行车站点数量预测的影响的方法，利用随机森林技术和指导向前逐步回归方法开发了回归模型，并利用贝叶斯信息准则进行了模型比较和开发。研究结果表明，日间时间、温度和湿度是重要的计数预测因子，并 - 从机器人的角度进行连续参与评估，你还在吗？
通过使用 CNN 和 LSTM 网络，我们提出了一种新的回归模型，能够从标准视频流中计算出机器人与人类互动过程中的单一测量值，以衡量参与度，并在不同环境下成功应用。
- 神经体系结构搜索的神经预测器
该论文提出一种比传统方法简单且更加高效的神经网络结构搜索方法，在 NASBench-101 基准测试上的表现是传统方法的 20 倍，同时还可以像基于权重共享的 ProxylessNAS 一样在 ImageNet 上获得较好的结果。
- 学习回归和验证网络以进行长期视觉跟踪
我们提出了一个基于深度回归和验证网络的新型长期跟踪框架，其中使用对象感知特征融合和区域提案网络设计了离线训练的回归模型，该模型可以有效生成候选框并估计它们的相似度分数，在线实时更新以适应外表上的变化。通过结合相似度和分类分数，我们的跟踪器可 - TransRev: 将评价建模为用户到商品的翻译
研究提出了 TransRev 方法，将情感分析、推荐系统和多关系学习相结合，学习出用户、物品和评论的向量表示，并通过加权平均来进行评论预测。TransRev 在多个基准数据集上表现优于现有的推荐系统。
- NIPS基于深度学习的 CT 扫描图像相对位置预测方法
使用一维卷积神经网络的回归模型，可以精确而稳健地确定计算机断层扫描图像的相对位置，与现有技术相比表现出更优异的效果，平均误差只有 1.69 厘米。
- 光谱滤波器跟踪
本文介绍了基于 SFT 的视觉目标追踪方法，通过像素网格图建模目标，并使用谱图滤波器进行局部回归来估计目标的最佳中心坐标，在本地区域上更加鲁棒地抵抗了目标跟踪中的局部变化和杂乱背景。
- AAAI时间异常检测：校准惊奇
本文提出了一种混合方法，用于检测用户对数据库的访问数据中的时间异常，该方法使用单个稳态模型进行异常检测，学习一个低秩稳态模型然后拟合回归模型来预测未来正常访问模式的期望可能性得分，然后使用观察到的得分和预测得分之间的差异来评估异常得分，使得 - CVPR图像中视觉搜索的难度估计有多困难？
本文提出了一种基于深度特征的回归模型，能够精确预测视觉搜索任务中图像难度，并在弱监督目标定位和半监督目标分类方面表现出不错的性能。
- 有效选择高概率正特征实现视频中的无监督物体分割
本文提出了一种有效的无监督方法，基于高可能的正面特征的自动选择和学习，生成前景对象软分割遮罩
- 学习单图像超分辨率无参考质量评估指标
本文通过对大量超分辨率图像进行人类主观研究，提出了一种基于视觉感知评分学习的无参考指标，使用空间域和频域中的三种低级统计特征对超分辨率图像上的特征进行量化，并学习了一个两阶段回归模型，无需参考基准图像即可预测超分辨率图像的质量得分，实验证明 - 使用特征包方法对真实失真图像进行感知质量预测
通过对真实场景中的失真图像进行特征提取，结构化约束，然后使用回归模型，从而提高自动感知图像质量预测的性能。
- 利用观测数据进行个性化的递归划分
通过将问题重新定义为一个学习任务，而不是 m 个个别任务，我们提出了一种新的方法，基于将数据递归地分成不同治疗方案最佳的区域。我们开发了新的工具来验证和评估观察数据中的个性化模型，并在个性化医学和职业培训应用中展示了我们的新方法的优势。
- 使用不变专家混合的鲁棒人脸对齐
该研究提出了一种级联的面部对齐算法，其中每个级别都由回归专家的混合组成，该系统不受预定义类别的变换的影响，并且可在鉴别对准框架中包含形变约束，从而使该算法更加稳健。
- 凹对准合融合方法在子群分析中的应用
该论文提出了一种基于回归模型的受惩罚子组分析方法，该方法利用惩罚来划分不同子组，通过对被观察截距的差异进行配对惩罚来刻画异质性，并且该方法经过了统计检验的验证。
- 多线性张量回归对于纵向关系数据的应用
本文开发了一种类型的回归模型来估计纵向和多元关系数据中成员之间的关系，该模型基于多线性张量回归模型，一种特殊情况是张量自回归模型，可以表示关系和网络数据中经常出现的模式，如互惠和传递性。
- 学习子高斯分类：上界和极小极大值
研究在回归模型中，假设目标 Y 和模型 F 都是亚高斯的情况下，针对经验风险最小化程序的尖锐的预言不等式，如果 F 是凸的，则我们得到的界限在极小值意义上是尖锐的。此外，在对 F 的温和假设下，即使允许程序以常定概率执行，ERM 的错误率仍 - 改进的矩阵不确定性选择器
本文在考虑存在观测误差的回归模型中，对于样本大小 n 远小于维度 p 且参数 θ* 是稀疏的情况，针对常见的 Lasso 和 Dantzig 选择器不稳定的问题进行了修正，提出了一种修正后的矩阵不确定性选择器，在 N 为随机矩阵的情况下其估