本文介绍了VITAL策略学习框架，通过将操作任务分为到达和局部交互两个阶段，结合视觉和触觉感知，提高机器人在精细操作中的成功率和泛化能力。VITAL利用视觉-语言模型进行目标定位，并通过触觉反馈实现高精度操作，克服了模仿学习和强化学习的局限性。

本研究探讨了神经崩溃在现代架构中的表现，发现深度正则化的Transformer和ResNet的全局最优解接近崩溃状态，且随着网络深度增加，这种接近性增强。这为深度模型的应用提供了理论支持，并在计算机视觉和语言数据集上进行了验证。

该研究针对现有心电图分类方法在捕捉局部形态细节和长期时间依赖性方面的不足，提出了一种新颖的多粒度混合模型Cardioformer。该模型通过跨通道补丁、分层残差学习和双阶段自注意力机制，显著提高了心电图分析的准确性和鲁棒性，在多个基准数据集上表现优异，展示了其在心血管疾病诊断中的潜在影响。

本研究针对急性淋巴细胞白血病（ALL）诊断中的技术应用和可靠性问题，采用图像处理和深度学习方法来显著提高检测精度。通过使用YOLOv8、YOLOv11、ResNet50和Inception-ResNet-v2等先进模型，研究实现了高达99.7%的准确率，能够有效区分不同阶段的ALL及其早期阶段，并准确识别与ALL相混淆的造血细胞。

本研究解决了深度线性ResNet的最小范数权重问题，发现该架构的归纳偏差介于最小化核范数和秩之间。这表明，在适当的超参数下，深度非线性ResNet对最小化瓶颈秩具有归纳偏差，具有重要的理论意义和应用潜力。

本研究针对脑龄估计这一领域中缺乏准确预测的方法进行了研究，提出了一种新颖的深度学习方法，利用残差神经网络（ResNet101V2）模型从MRI扫描图像中预测脑龄。研究结果表明，该方法在国际脑映射联盟（ICBM）数据集上实现了高准确度，MAE值为0.9136年和0.8242年，能够有效识别脑部衰老的初始迹象。

内窥镜在胃肠道异常识别中至关重要。本文提出一种轻量级深度学习模型，结合知识蒸馏和多头注意力机制，适用于资源有限的环境。通过KVASIR-V2和Hyper-KVASIR数据集验证，表现出良好性能。

本文研究深层残差神经网络在连续动力系统中的表达能力，探讨通用插值与通用逼近的关系，证明两者在控制系统中不可相互推导，并确定了等价性的条件。

本文介绍了如何在纯C#环境下实现ResNet18模型的训练和推理。ResNet是一种经典的深度学习模型，文章详细描述了其结构和图像预处理过程。训练使用Adam优化器，推理通过SoftMax获取结果。作者希望推动C#在深度学习领域的发展，并在GitHub上分享了代码。

本文介绍了一种名为“动态网络架构”的智能系统架构，该架构依赖于稳定循环网络，并讨论了其在视觉上的应用。通过动态连接主义原则，该模型能够稳定初级传入信号引起的神经激活，并能够从部分遮挡的输入中重建预期特征。研究限制了DNA在一个大脑皮层区域，并提供了关于该区域的优势和不足的深入理解。未来的工作将探索如何通过组合多个区域来实现不变的物体识别。

90后AI大牛张祥雨加入国产大模型独角兽阶跃星辰，他是ResNet论文的作者之一，该论文被引用超过23万次。阶跃星辰估值超过10亿美元，吸引了腾讯俞刚和MSRA段楠等AI人才加入。

我们将 Layer-wise Relevance Propagation (LRP) 方法扩展到 ResNet 模型，引入 Relevance Splitting 以在跳跃连接输出与残差块输出相交汇的点进行追踪，从而提供一个透明的解释方法。我们的方法在 ImageNet 和 Caltech-UCSD Birds-200-2011 数据集上实验，并通过标准评估指标如插入 -...

本论文提出了一种基于生成对抗网络的动作识别框架，使用深度卷积生成对抗网络进行无监督学习，并通过有标签数据集进行微调，实现准确识别人类活动的半监督学习。该方法在半监督动作识别方面表现优异。

传统的基于深度学习的目标检测网络通常会在数据预处理阶段调整图像大小，以实现特征图的统一大小和比例。然而，调整大小不可避免地导致对象变形并丢失图像中的有价值信息。为了解决这个问题，我们提出了一种放弃调整大小操作的方法，而是引入了位置编码多头交叉注意力。这使得模型能够捕捉上下文信息并从多个表示子空间中学习，有效丰富了配电塔的语义。此外，我们还通过将三个池化特征图重塑为一个新的统一特征图来增强空间...

本文介绍了基于ResNet模型的图像分类方法，通过学习像素数据的特征层次结构，革新了图像分类。引入了轻量级的注意力机制框架来提高性能，在Breakhis数据集上验证了该算法的有效性，显示出优越性。在精确度、准确度、召回率、F1分数和G-means等指标方面实现了显著改进，同时在收敛时间方面表现良好。

Spikformer结合了自注意力机制和脉冲神经网络（SNNs），将Transformer架构应用于SNN设计。它引入了脉冲自注意力（SSA）模块，在许多数据集上实现了最先进的性能。通过用非参数线性变换替换SSA，Spikformer可以加速，降低时间复杂度。大量实验表明，与SSA相比，线性变换具有更高的准确性和更快的训练/推理速度。

本文研究了随机训练后不同解之间的连续路径现象，并证明了足够宽的两层神经网络的线性连接性。同时，对具有独立神经元权重的深度神经网络的每层宽度给出了线性连接性的上下界，并通过权重分布支持的维度验证了方法的有效性。

In the current landscape where GPT-4 Vision (GPT-4V) use cases are everywhere, I wanted to explore an alternative approach: pairing deep learning vision models with large language models (LLMs)....