本研究综述了情感分析在人工智能和大型语言模型中的发展方向，解决了传统规则方法向深度学习技术转型的挑战，强调了处理双语文本、侦测讽刺和偏见等关键问题。意在推动该领域的未来研究。

本研究解决了多模态模型训练和推理中缺失模态导致性能下降的问题。通过回顾深度学习技术在多模态学习中的应用，分析了当前方法和挑战，并揭示了未来发展方向。

研究团队成功构建了全球首个面向糖尿病诊疗的视觉-大语言模型集成系统DeepDR-LLM，融合了大语言模型和基于眼底图像的深度学习技术，为基层医生提供个性化的糖尿病管理意见及糖尿病视网膜病变辅助诊断结果。该系统在提高基层糖尿病管理和DR筛查水平方面具有潜力，为糖尿病智能治理提供了数字解决方案。

由深度学习技术及应用国家工程研究中心与百度联合发起的AICA首席AI架构师培养计划举办第八期开学典礼，90位学员将进行为期半年的AI大模型研发和应用实践学习。学员来自国央企、上市公司以及行业龙头T1应用服务商，包括中国石油、中国人民银行、奔驰、吉利、长安、麦当劳等。AICA培养的主要方向是甄别技术发展脉络、解决核心问题、将人工智能技术与实际业务场景相结合。

开放原子开源基金会与国际人工智能大会（IJCAI）合作推出“IJCAI 2024: 任意三维几何外形车辆的风阻快速预测竞赛”，旨在探索人工智能在汽车空气动力学领域的应用。比赛使用深度学习技术预测车辆设计参数与气动阻力的关系，推动汽车工业可持续发展。获奖团队将在2025年的IJCAI会议上发表论文。

Suno AI是一款人工智能应用程序，根据用户的文字描述创作音乐。使用深度学习技术和两种主要模型制作声乐和器乐部分。提供播放列表功能和辅助功能改进。适合学习和探索音乐，无需音乐知识或演奏乐器的能力。

本研究探讨了深度学习技术在语音情绪识别中的应用，提供了一个综合的解决方案，通过将说话人分离流程与基于卷积神经网络构建的情绪识别模型相结合，实现了更高的准确性。该模型经过五个语音情绪数据集的训练，使用了多种特征提取方法，能够以63%的准确率识别语音信号中的情绪状态，展示了出色的效率。

百度飞桨AI for Science公开课与共创计划已开启报名，课程内容涵盖深度学习技术、科学计算基础、应用案例等多个方面，共创计划包含15个课题，覆盖数学、化学、能源、流体力学、生物力学、气象预报、城市科学等领域方向。公开课时间为2023年11月20日至11月30日，共创计划报名截止日期为2023年12月20日。

本文介绍了利用公共数据库和深度学习技术生成虚假内容的技术及其社会影响，包括四种面部操纵技术和检测方法。详细介绍了每种技术、公共数据库和关键指标，并讨论了最新一代 DeepFakes 的改进和挑战，以及未解决问题和未来趋势。

该研究提出了一种神经和符号端到端强化学习架构，能够克服深度学习技术的局限性。该架构在视频游戏中表现出色，通过获得一组符号规则，性能比传统完全神经强化学习系统更好。

该文介绍了一种基于Transformer的文档阴影消除方法ShaDocFormer，能够精确检测和捕捉阴影和照明的变化，以实现有效的阴影消除。实验证明，ShaDocFormer优于目前的最先进方法。

乳腺癌免疫组化图像生成挑战赛旨在探索深度学习技术在病理图像生成领域的新思路并促进研究。发放的数据集和挑战将激发学者共同研究高质量免疫组化染色图像的生成。

本研究介绍了一种专为从人类歌唱声音中提取音高而设计的卷积神经网络PitchNet。通过融合自相关和深度学习技术，PitchNet旨在提高音高检测的准确性。通过对不同数据集的评估，证明了其有效性。这项工作为音乐和语音环境中的音高提取提供了新的方法。

本研究通过直接利用六个不同数据集的原始音频文件进行训练，提出了一种用于情感识别的模型。该模型通过多种机器学习算法和深度学习技术进行评估，并与现有方法进行比较。实验证明，该模型在不同数据集上取得了较高的准确率，成为了新的最先进方法。