本研究提出了一种基于自适应加权拒绝采样的快速受控生成语言模型方法，解决了局部约束解码的高成本和全局字符串分布扭曲问题。该算法显著减少了约束评估次数，并提供低方差的无偏重要性权重估计，实验证明其在多种应用中优于现有方法，提高了速度和性能。

本研究提出了一种基于视频的噪声感知自适应加权方法(V-NAW)，旨在解决面部表情识别中的标签模糊和类别不平衡问题。该方法通过自适应分配每帧的重要性，显著提升了识别性能。

本研究提出CE-MVC框架，通过自适应加权和参数解耦，解决多视角聚类在一致性、互补性及噪声影响下的不足，从而提升聚类性能。

驾驶环境感知对安全很重要，合作感知可以解决单车感知不足的问题。本文提出了一种自适应加权模型，通过自我监督的中间融合来减轻信道失真影响。在瑞利衰落和不完善信道状态下，自适应加权算法优于无加权基准，能适应不同信道条件，并在不同领域数据集上表现出良好泛化能力。