本研究提出了一种自适应模板网格重建网络（ATMRN），有效解决了传统方法忽视个体解剖变异的问题。实验结果表明，该方法在皮层网格重建方面达到了新的基准，适用性广泛。

该研究提出了一种新方法来应对电网中的多阶段级联故障。通过将故障视为强化学习任务，作者创建了新的模拟环境，并利用确定性策略梯度算法训练代理，以实现有效的故障缓解。该方法在IEEE 14条和118条总线系统上进行了验证。

本研究提出了一种基于弗雷歇距离的新度量方法，用于评估智能电网中生成AI模型合成数据的质量。该方法克服了传统欧几里得距离的局限性，实证结果表明其在不同时间尺度和模型中的优越性，增强了智能电网决策的可靠性。

本研究提出三种改进牛顿-拉夫森潮流计算的方法，以解决电力系统分析中的初始化问题。这些方法包括基于数学界限的分析、监督学习和强化学习，测试结果表明能显著减少迭代步骤，提高电网操作效率，支持智能电网转型。

该研究提出了一种名为GRIDS的新的图像恢复方法，通过评估图像劣化之间的关系，将恢复任务分为最佳分组，提高恢复效果和效率。实验结果显示，GRIDS在单任务和混合训练基线模型上都有显著改进。此外，GRIDS还具有自适应模型选择机制，可以根据输入的劣化情况自动选择适当的分组训练模型。该方法还可以预测模型的泛化能力，为从业人员提供洞察力。