准确，实时的流量预测在智能交通系统中起着重要作用，对城市交通计划，交通管理和交通管制具有重要意义。但是，由于城市道路网络拓扑结构的限制以及随着时间的推移的限制，交通预测一直被认为是一个开放的科学问题，即空间依赖性和时间依赖性。为了同时捕获空间和时间依赖性，我们提出了一种新型的基于神经网络的流量预测方法，即时间图卷积网络（T-GCN）模型，该模型与图形卷积网络（GCN）和门控复发单元（GRU）结合使 ...

对于具有输入约束和未成熟的双皮亚机器人实时生成动态步行的能力，有可能在动态，复杂和非结构化的环境中实现运动。然而，两足机器人的高维质将全阶刚体动力学的使用限制为离线合成的步态，然后在线跟踪。在这项工作中，我们开发了一种在线非线性模型预测控制方法，该方法利用全阶动态来实现各种步行行为 ...

在本文中，我们提出了一个全身计划框架，该框架通过制定单个多接触最佳控制问题来统一动态运动和操纵任务。我们将通用多限制的移动操纵器的混合性质建模为开关系统，并引入一组约束，可以在公式中编码任何预定义的步态序列或操纵时间表。由于该系统旨在主动操纵其环境，因此通过使用操纵的对象动力学来增强机器人的质心动力学来组成运动方程 ...

个性化的新闻推荐旨在帮助用户查找与其兴趣相符的新闻文章，这些新闻文章在减轻用户的信息过载问题方面起着关键作用。尽管已经研究了许多最近的作品以进行更好的个性化新闻推荐，但应进一步探讨以下挑战：（C1）理解在新闻文章中结合的多种歧视意图，（C2）区分新闻文章的不同后阅读偏好，以及（C3）解决冷启动用户问题。为了解决上述挑战，在本文中，我们提出了一个新型的个性化新闻推荐框架（Crown），该框架（Cro ...

最近的研究表明，合作的多代理深入强化学习（C-MADRL）受到后门攻击的威胁。一旦观察到后门扳机，它将执行恶意行动，导致失败或恶意目标。但是，现有的后门攻击遭受了几个问题的损失 ...

3d占用预测在机器人感知和自动驾驶领域具有重大前景，它将3d3d体素空间中的完整占用标签进行监督。然而，3d占用模型的可用性和可扩展性... ...

长期的用户历史记录对于推荐系统来说是高度有价值的信号，但是在数据中心功耗和GPU方面，经常有效地纳入它。在这项工作中，我们选择了脱机嵌入端到端序列长度优化方法，以使极长的用户序列建模作为一种具有成本效益的解决方案，并提出了一种新的用户嵌入学习策略，多切割和汇总，从而产生了对用户长期稳定稳定兴趣的高度概括的用户表示。我们在此嵌入中编码的历史长度高达70,000，平均为40,000 ...

在保持准确性的同时，我们如何量化大型语言模型？量化对于有效部署大型语言模型（LLM）至关重要。二进制编码量化（BCQ）和均匀量化（UQ）是有希望的量化方案，分别具有强烈的表现力和优化性。但是，这两种方案都没有利用这两个优势 ...