本研究提出了一种名为长期兴趣时钟（LIC）的方法，以改善流媒体推荐系统中用户兴趣动态建模的不足。该方法通过考虑时间周围的长期行为相关性，更准确地捕捉用户动态兴趣。在在线A/B测试中，用户活跃度提高了0.122%，并已成功应用于抖音音乐App的推荐系统。

本研究针对多尺度生物系统动态建模中的数据挖掘和特征选择问题，提出了一种基于组学的数据建模管道，有效捕捉酵母菌株的动态行为，并为生物过程工程提供不确定性估计框架。

本研究提出了一种基于数据驱动的机器学习技术，用于解决无线传播环境动态建模和预测的挑战。通过学习压缩的高维信道状态信息表示，并结合预测组件，开发了联合嵌入预测架构（JEPA）。在长时间预测任务中，JEPA相较于基准方法具有显著的提升效果。

本文探讨了神经元细胞自动机（NCA）在深度学习中的应用，提出了一种高效的通用扰动方法，显著降低模型性能，可能引发安全问题。研究展示了NCA在动态建模、图案识别及生物模式形成中的潜力，并提出了改进模型AR-NCA，以增强对复杂系统的理解和预测能力。

本文提出了一种名为混合动态变分自编码器（MixDVAE）的潜在变量生成模型，用于建模多个移动源组成的系统的动态。通过在单源数据集上预训练DVAE模型来捕捉源的动态，然后将多个预训练DVAE模型的实例集成到一个多源混合模型中，带有离散观测-源分配潜变量。实验结果表明，该方法在计算机视觉任务和音频处理任务上表现良好，并超过了几种基准方法。

该文章提出了一个新的框架来动态建模健康结果与风险因素之间的关联。使用变系数区域分位数回归方法和K最近邻融合拉索方法捕捉年龄的时变效应。经验结果证明了该方法在捕捉健康结果与风险因素之间复杂的年龄依赖关联方面的有效性。