本研究提出DAE-KAN框架，将Kolmogorov-Arnold网络与物理信息神经网络结合，以有效解决高阶微分代数方程的问题，显著提升计算精度和泛化能力。

本研究提出了DAE-Fuse框架，通过引入自适应模块解决了多模态图像融合方法产生模糊或不自然图像的问题，显著提升了融合图像的清晰度和自然度。实验结果表明该方法具有广泛的适用性。

该研究提出了一种无监督的三维形状协同分割方法，通过学习可变形部件模板来构建形状，并引入逐部位变形网络进行建模。实验结果表明，该方法在性能上优于之前的方法。