利用EEG和RNN学习视觉类别的脑活动流形，再用CNN投影图像，实现脑驱动的自动分类。
Concetto Spampinato, Simone Palazzo, Isaak Kavasidis 等
提出基于滤波器剪枝的加速方法，通过剪除影响较小的滤波器，VGG-16可节省34%，ResNet-110达38%，同时保持接近原始精度。
Hao Li, Asim Kadav, Igor Durdanovic 等
论文用PGA与SGLD攻击MovieLens上的矩阵分解推荐系统；β=0.6时隐蔽性检验p>0.7。
Bo Li, Yining Wang, Aarti Singh 等
利用GloVe词向量和WEAT/WEFAT检测语言中的人类偏见，揭示文化中的隐性偏差。
Aylin Caliskan, Joanna J. Bryson, Arvind Narayanan
提出DenseNet，通过层间全连接实现参数减少和信息流增强，在CIFAR-10/100、SVHN、ImageNet上显著优于ResNet。
Gao Huang, Zhuang Liu, Laurens van der Maaten 等
基于Polyak-Łojasiewicz (PL)不等式，证明梯度及近端梯度方法的线性收敛，适用于非强凸问题。
Hamed Karimi, Julie Nutini, Mark Schmidt
提出Stein变分梯度下降（SVGD）算法，通过粒子演化实现贝叶斯推断，KL散度最小化。
Qiang Liu, Dilin Wang
提出偏差反馈无偏学习排序（Propensity SVM-Rank），通过逆倾向评分实现偏差校正。
Thorsten Joachims, Adith Swaminathan, Tobias Schnabel
利用连续模型哈密顿量和量子微扰理论揭示单层MoS₂的高阶非线性多光子过程，强调三角畸变作用。
A. Säynätjoki, L. Karvonen, H. Rostami 等
利用反演与神经网络增强RANS模型，提升空气动力学中分离流预测精度。
Anand Pratap Singh, Shivaji Medida, Karthik Duraisamy
提出了一种在夹爪姿态不确定性下的抓取函数学习方法，提高了抓取的鲁棒性。
Edward Johns, Stefan Leutenegger, Andrew J. Davison
提出焦点机制的编码器-解码器模型，基于BLSTM-LSTM，显著提升语音理解中的序列标注性能。
Su Zhu, Kai Yu
利用变分自编码器和生成对抗网络嵌入道路帧，结合条件循环神经网络实现驾驶视频预测。
Eder Santana, George Hotz
提出扩展连接时序分类（ECTC）框架，用于弱监督视频动作标注，利用帧间视觉相似性提升性能。
De-An Huang, Li Fei-Fei, Juan Carlos Niebles
用SVD应力基与贪心剪枝，仅移除约1%键即可编程远程力学响应。
Jason W. Rocks, Nidhi Pashine, Irmgard Bischofberger 等
提出一种基于几何特征的偏差消除算法，有效减弱Google News词向量中的性别偏见，保持语义关系。
Tolga Bolukbasi, Kai-Wei Chang, James Zou 等
扩展Sinkhorn算法用于非平衡最优传输，结合熵正则化实现高效近似。
Lenaic Chizat, Gabriel Peyré, Bernhard Schmitzer 等
提出基于字符n-gram的词向量模型，有效捕获词形信息，提升多语种词义和语法任务表现。
Piotr Bojanowski, Edouard Grave, Armand Joulin 等
利用快速梯度符号法和迭代方法生成对抗样本，实验证明在物理环境中仍具误导性。
Alexey Kurakin, Ian Goodfellow, Samy Bengio
提出fastText，基于词袋模型和层次softmax，训练速度达十分钟内，性能媲美深度模型。
Armand Joulin, Edouard Grave, Piotr Bojanowski 等