本研究针对结构健康监测中微尺度裂纹的检测问题，提出了一种新颖的深度学习方法，通过关键点检测技术有效地定位裂纹，并克服了不平衡数据对模型预测的影响。研究表明，该方法在微尺度裂纹检测上表现出良好的准确性，具有重要的应用潜力。

本研究针对微裂纹检测中的高维时空数据和类不平衡问题，提出了一种新的方法，通过特征可视化优化深度神经网络的架构和训练过程。研究结果表明，该方法在微裂纹检测中实现了86.85%的准确率，显著提高了检测性能，为工程领域中裂纹监测提供了有效的解决方案。

本文探讨了口吃障碍的分类方法，利用声学特征、深度学习和统计学填补研究空白。分析了环境噪音对机器学习模型的影响，提出了改进口吃检测系统的数据分割策略，并探讨了自动化失语症评估的潜力。同时，研究关注了机器学习在喉癌检测中的应用及其统计效力，强调了社会偏见对大型语言模型的影响。

该研究提出了一种时空深度学习框架，用于预测混凝土介观结构中的断裂并捕捉裂纹历史过程。实验证明该方法能准确预测损伤，并开发了转换有限元数据的流程。

风能生产是可持续发展和减少对化石燃料依赖的关键部分。本文介绍了一个新颖且多样化的数据集，其中包含了从多个风力涡轮机检查中收集到的几乎不可见的细小裂缝。通过使用无人机进行定期检查和维护，可以延长风力涡轮机的使用寿命和效率。

本研究提出了多种知识蒸馏方法，包括残差知识蒸馏（RKD）和强化稳健知识蒸馏（R2KD），在多个数据集上取得了优异成果。同时，研究探讨了知识蒸馏在目标检测和语义分割中的应用，提出了新的特征模仿技术和注重注意力的特征蒸馏方法，显著提升了模型性能。

英伟达否认与三星合作停止的谣言，三星称其为恶意传播。英伟达最初采购的HBM内存由SK海力士供应，今年开始接受三星供应的HBM3内存。

该研究设计了一种能够预测疲劳裂纹增长和构件失效寿命的统计学习框架，通过降维和神经网络等技术处理了历史依赖性和非线性问题，能够实时监测结构健康和疲劳寿命预测。

该文介绍了一种多肢爬行机器人设计，能够穿越洞穴环境。提出了一种检测岩石裂缝和边缘的方法“骨架交叉损失”（SKIL），并提出了一组新的度量指标“LineAcc”，用于薄物体分割。该模型在类似的薄物体分割任务上优于先前的方法，并展现了与机器人系统的集成的潜力。