机器之心数据服务现已上线，提供高效稳定的数据获取服务，简化了数据爬取流程。

本研究解决了电动车充电基础设施布局优化的问题，通过分析新南威尔士州的电动车行驶数据，开发了一个数据驱动的系统。该系统融合了多种数据源，提供了合理的充电需求估算及充电站推荐，促进了未来充电站位置的科学规划。

本研究针对个性化面部表情识别中的样本适应问题，提出了一种渐进式多源领域适应方法以缓解源领域与目标领域之间的分布差异。该方法通过优先利用与目标对象最相似的源样本，从而减少计算成本与负迁移的风险。实验结果证明了该方法在疼痛数据集上的有效性，具有重要的应用潜力。

本研究探讨了多源输入策略对机器翻译质量的影响，发现通过中介语言翻译可以显著提高英中翻葡萄牙语的质量，尤其在特定领域和语言距离较大时。选择合适的情境语言能有效改善翻译效果。

本研究分析了25篇关于森林碳量的论文，识别出28种机器学习方法。随机森林在88%的研究中应用频繁，极端梯度提升在75%的比较中表现优异，并提出了提高森林碳储量准确性和可扩展性的最佳实践。

本研究针对多源无监督领域适应中的源域选择复杂性问题，提出了渐进微调框架和三种轻量级图路由策略，从而提高了自然语言推断和情感分析任务的准确率。

本研究解决了现有会议摘要在提取重要信息和理解上下文方面的不足，提出了一种三阶段的大型语言模型方法，通过识别需要额外上下文的发言、从补充材料中推断相关细节并将其融入记录中，生成更为精准的摘要。研究表明，该方法提高了摘要的相关性约9%，个性化摘要的实用性提升约10%，对类似的复杂生成任务具有潜在的应用价值。

本文研究了多源异构数据集下学习非正态图模型的稀疏结构变化。提出了一种优化拉索惩罚的D-迹损失函数方法，提高了解路径的速度和精度，特别适用于稀疏差异网络。在肿瘤药物抗性研究中，该方法有效识别重要基因，具有实际应用潜力。

本文介绍了Ultra-Fast Shapelets方法，通过随机形态快速进行时序分类，成功应用于15个数据集。研究探讨了时间序列导数对形态分类器的积极影响，并提出多种深度学习框架和数据处理方法，显著提高了分类准确性和效率。

本文探讨了智能电网中电力负荷预测的深度学习模型，比较了N-BEATS和基于Gated Recurrent Unit的方法。研究表明，N-BEATS模型表现优越，外部因素显著影响预测准确性。提出的模块化框架和新型混合模型在多个数据集上显示出卓越性能，推动了短期负荷预测的进步。

本研究针对乳腺癌诊断领域中注释获取困难和训练集与真实场景之间显著分布差异的问题，提出了BTMuda框架。该框架通过构建三分支混合特征提取器及双层多源无监督领域适应方法，从两个层面解决领域偏移问题，并通过大量实验表明其在三个公共乳腺摄影数据集上超越了现有的最先进方法。

本文提出了一种基于注意力机制的跨域全景语义分割框架，旨在解决360度车载相机图像的无监督学习问题。通过新数据集DensePASS和多种技术，显著提高了分割准确率，实验结果在多个基准测试中表现优异。

本研究解决了医学领域隐私数据保护对数据共享的挑战，影响了医院间高精度辅助诊断模型的集成训练。提出了一种基于数据向量的医学隐私数据训练框架，使各医院能够在不交换私密数据的情况下，通过对预训练模型进行微调和数据向量计算，生成合成权重，从而显著提升模型性能。实验结果证明，该方法能够有效利用分散的私密数据资源，同时保护患者隐私。

该研究提出了一种基于注意力机制的神经网络方法，结合指控预测和法律条款提取，显著提高了预测准确性。同时，利用自然语言处理和机器学习技术，自动化法律研究和引文提取，提升了效率。

基于最优传输的空时蒙特对齐 (STMA) 方法用于减轻硬件设备或会话录制等不同可变性的机器学习应用中的领域适应问题，实现了将多变量信号的交叉功率谱密度映射到源域的 Wasserstein 重心 (多源 DA)，可以通过滤波对新领域进行预测，无需对源数据进行重新训练 (测试时间 DA)，并展开了该方法的两种特殊情况、映射估计的非渐近浓度界限以及理论保证，实验结果表明 STMA...

本文探讨了多种无监督领域自适应方法，如Domain-Agnostic Mutual Prompting（DAMP）和AD-CLIP，利用视觉-语言模型提升图像分类和异常检测性能。研究表明，这些方法在多个基准测试中表现优异，显著减少源域与目标域之间的差异，增强模型的适应性和传递性能。

本文介绍了多模态遥感数据集在建筑物提取和灾害响应中的应用，强调光学预处理的SAR数据在建筑物提取中的优势。新数据集如SARptical和SEN1-2促进了SAR与光学数据融合的深度学习研究，提供了丰富的样本和应用示例。同时，研究提出了新的城市制图方法和基准数据集，以提高多模态数据的利用效率和算法性能。

本文提出了一种二阶段优化框架SL-Diff，通过源接近度生成粗略预测，并改进多对一映射关系，以解决反问题的不适定性。实验结果表明，SL-Diff在合理的采样时间内能够提供优异的预测。此外，针对黑盒函数优化，提出了一种新算法来处理不确定性，验证了其相对于先进技术的优势。