- 过程挖掘中的概率和非确定性事件数据：将不确定性嵌入过程分析技术
本文研究了不确定性事件数据在流程挖掘中的应用，包括该领域的现状、元属性以及研究挑战等方面。
- 深度学习中的异常例检测：综述
本文介绍了关于深度学习中的异常检测技术的研究，旨在提供现有技术的分类及其相对优缺点，强调在应用异常检测技术的深度学习系统中仍存在的未解决研究挑战，并提出了未来重要的研究方向。
- 图形深度学习简介
本文介绍了深度学习在图数据处理方面的应用，设计了一种基于局部和迭代方法的图表征学习通用方法，并探讨了研究挑战和应用领域。
- 自主车辆控制的深度学习应用调查
这篇论文调查了应用深度学习方法控制汽车的研究进展和存在的挑战，研究重点在于车辆控制而非感知问题，涵盖计算、架构、目标、泛化、验证和安全方面的探讨，为智能交通系统相关的领域提供及时有效的信息。
- 绕过拐角成像的最新进展
本文回顾了不同类型的现有非直线视线成像技术，讨论了需要解决的挑战，特别是在受限实验环境之外的应用。我们的目标是向更广泛的研究社区介绍该主题，并提供进一步发展该研究领域的见解。
- LoRa 网络调查：研究问题、当前解决方案和待解决问题
本篇综述了目前最流行的 IoT 通信技术 —— 低功耗广域网（LPWAN）之一的 LoRa 网络，主要介绍了其技术挑战和解决方案，并探讨了其存在的开放性问题，以期激发更多人研究和完善 LoRa 网络，以应对未来物联网应用的巨大需求。
- MM区块链与物联网云的集成：架构、应用和挑战
该论文针对 BCoT 集成的最新发展进行了综述，着重回顾了 BCoT 在智能医疗、智慧城市、智能交通和智能制造等领域的应用，同时探讨了 BCoT 集成面临的重要研究挑战和未来发展方向。
- MM美国人工智能研究的 20 年社区路线图
这篇近期的论文讨论了人工智能的发展、应用现状及未来所需的研究方向与挑战，特别是人工智能公平、可信、安全的需求。
- 基于模型的强化学习基准测试
本文为了推动模型基强化学习（Model-based Reinforcement Learning, MBRL）的研究，收集了大量 MBRL 算法，并提出了 18 个为 MBRL 特别设计的基准环境来评估这些算法，并探讨了 MBRL 算法之间 - 食品推荐：框架、现有解决方案和挑战
提出了一个用于食物推荐的统一框架，并指出影响食物推荐的主要问题，包括构建个人模型、分析独特的食品特征、整合各种上下文和领域知识。本文回顾了现有解决方案，阐述了这个领域的研究挑战和未来方向。
- 机器学习数据采集调查：大数据 - AI 集成视角
调查报告探讨机器学习和自然语言处理领域中数据收集的现状和挑战，特别关注数据获取、标注和模型优化三个方面，提供技术选择建议，并指出有待研究的问题。
- 循环神经网络的最近进展
本文对循环神经网络的基本原理、最新进展和研究挑战进行了说明，介绍了针对学习长期依赖问题的新进展，适合该领域的新手和专业人士。
- 在聚类性假设下聚类的计算可行性
本文探讨了聚类的困难性和可聚类性的主题。作者提出了以前的研究和对聚类簇合法性的批判性评估。虽然我们相信聚类只有在数据不重要时才是困难的，但我们认为这个 CDNM 论点仍远未得到正式的实质性证明。在阐述了聚类簇合法性的基本要求后，本文评估了这