基于散度的方法在小样本情况下优于传统模型加权方法。
Olav Benjamin Vassend
CLVAE模型通过变分自编码器实现长远客户收入预测，提升精度。
Jeffrey Näf, Riana Valera Mbelson, Markus Meierer
混合隶属子高斯模型通过允许观测属于多个成分，解决了经典高斯混合模型的局限性。
Huan Qing
WassersteinGrad通过计算熵Wasserstein重心来解释动态物理场预测，提升天气预报的自回归模型解释性。
Younes Essafouri, Laure Raynaud, Luciano Drozda 等
FedSPDnet通过ProjAvg和RLAvg策略在EEG数据集上表现优于传统方法，提升F1分数和鲁棒性。
Thibault Pautrel, Florent Bouchard, Ammar Mian 等
SQUEAK算法通过未归一化的岭杠杆分数实现核岭回归的低空间复杂度。
Daniele Calandriello, Alessandro Lazaric, Michal Valko
可塑拒绝采样（PRS）通过核估计学习采样提议，保证高概率独立同分布采样。
Akram Erraqabi, Michal Valko, Alexandra Carpentier 等
通过影响函数梯度实现凹统计效用最大化的多臂老虎机算法。
Matías Carrasco, Alejandro Cholaquidis
通过居中和奇异值阈值法快速估计高斯混合模型的成分数，无需迭代。
Huan Qing
重新审视主动顺序预测驱动的均值估计，发现最小置信区间宽度在常数概率权重接近1时出现。
Maria-Eleni Sfyraki, Jun-Kun Wang
提出了用于平滑图函数的谱Bandit算法，在有效维度上实现线性和次线性扩展。
Michal Valko, Rémi Munos, Branislav Kveton 等
自适应核选择提升核化扩散映射的稳定性和精度。
Othmane Aboussaad, Adam Miraoui, Boumediene Hamzi 等
使用偏差感知的模拟推断框架，解决选择偏差问题，提升估计准确性。
Jonas Arruda, Sophie Chervet, Paula Staudt 等
Kometo算法在多保真优化中无需已知平滑度和保真度假设，提升了学习速率。
Come Fiegel, Victor Gabillon, Michal Valko
使用截断正交多项式核的SVM结构可解释性分析揭示模型复杂性。
Víctor Soto-Larrosa, Nuria Torrado, Edmundo J. Huertas
通过切片势函数实现的摊销最优传输方法，提升了多对测度间的OT计划预测效率。
Minh-Phuc Truong, Khai Nguyen
通过神经网络反向传播实现快速可解释的自回归估计，速度提升12.6倍。
Anaísa Lucena, Ana Martins, Armando J. Pinho 等
OmniAnomaly与PCA在SMD数据集上的异常检测表现相当，尤其在不进行点调整时。
Bruna Alves, Ana Martins, Armando J. Pinho 等
通过混合累积量模型，研究扩散模型从简单到复杂学习数据统计的机制。
Lorenzo Bardone, Claudia Merger, Sebastian Goldt
VecMol通过向量场表示生成3D分子，避免显式图生成，提升几何化学一致性。
Yuchen Hua, Xingang Peng, Jianzhu Ma 等