本研究提出了ORCHID语料库，旨在解决中文立场检测和对话摘要任务中缺乏公开数据集的问题。该语料库包含1218场辩论及其标注数据，为独立立场检测和辩论摘要提供了基准，展示了其挑战性及潜在整合可能性。

本文提出了一种基于编码器-解码器网络的手写数学表达式识别方法，结合语法规则和双向上下文信息，显著提高了识别性能。实验结果表明，该方法在多个数据集上优于现有技术，并创建了包含10万个手写表达式的公开数据集。

本文介绍了两种基于混合密度网络的分类模型，通过拟合高斯混合模型到数据中，并使用拟合的分布对样本进行分类。这些模型在公开数据集上表现良好，并在真实世界的产品捆绑应用中展示了实际用途。

该文介绍了一种基于多阶段LSTM网络的动作预测方法，能够在视频序列仅有少量片段的情况下实现高准确度的预测。在多个公开数据集上，相对提升了22.0％（JHMDB-21），14.0％（UT-Interaction），和49.9％（UCF-101）的准确率。

RS-MetaNet是一种简单而有效的方法，通过任务级别组织训练，学习遥感场景分类的度量空间。它使用新的平衡损失函数，在三个公开数据集上展示了最先进的结果。