本研究提出SECURA，一种针对大语言模型的有效微调方法，旨在解决高计算需求和灾难性遗忘问题。通过引入SigNorm归一化技术，SECURA显著提升了微调性能，并在持续学习测试中展现出优越的知识保持能力。

本研究提出了一种CURing模型压缩方法，通过CUR矩阵分解显著降低大型深度学习模型的计算成本和内存使用，同时保持性能并增强可解释性。

本文综述了高光谱成像中的特征选择和分类方法，提出了一种新颖的特征选择技术，显著提升了异常检测的速度和性能。同时，研究探讨了基于张量分解的超分辨率技术及深度学习在高光谱成像分类中的应用，展示了其在多个数据集上的优越性。

RTCUR是一种快速算法，用于在Tucker秩设置下解决大规模非凸TRPCA问题。通过交替投影框架在低秩张量集和稀疏张量集之间进行投影，并利用张量CUR分解降低计算复杂度。实验证明RTCUR算法在tensor robust principal component analysis问题中具有有效性和计算优势。

本研究将非负矩阵分解（NMF）扩展到多维数组（张量）的情况，创建了可分非负张量分解（NTF）的方法，并提供了替代的索引选择方法和随机索引选择过程。测试结果表明，可分NTF在合成和面部分析数据集上效果更好。

FastStone Image Viewer是一款快速、小巧、功能强大的图像浏览软件，存在远程代码执行漏洞（CVE-2021-26234），攻击者可通过打开或查看格式错误的CUR文件实现拒绝服务或远程代码执行。建议用户升级到最新版本并检测读取函数是否存在溢出问题。