本文综述了基于深度学习的高光谱影像分类方法，比较了光谱特征、空间特征和光谱空间特征网络，验证了多种深度学习算法的有效性，并提出了新的联合学习框架和数据集，推动了高光谱图像的应用与评估。

本文汇总多项信息抽取研究，包括提出WebIE数据集及三种训练策略以提升跨域跨语言性能，设计轻量级特征无关IE范例，构建多特征融合网页文本提取算法，提出三阶段联合学习框架，研发文档级实体提取、医学实体抽取、网络安全实体标注等方法，并发布HealthE数据集与EPS-BERT模型，F1值显著提升。

该研究提出了OneAVM联合学习框架，可用于音频-视频源定位、分离和识别任务。该框架在多个数据集上证明了有效性，并在音频-视觉源定位、分离和最近邻识别任务之间展现了强大的正向转移。

该研究提出了一种名为OneAVM的联合学习框架，用于音频-视频源定位、分离和识别任务。通过三个目标进行训练，证明了OneAVM的有效性，并展现了强大的正向转移。