标签
HI-MGN 引入层次多尺度图神经网络，旨在改进基于网格的物理模拟中的长程通信，在提升准确性的同时，与现有方法相比减少训练时间和内存使用。
CAMP 引入了一种用于时间序列预测的周期感知多尺度补丁混合器，通过自适应周期学习和预测时域引导的补丁细化，在多个基准上取得了最先进的结果。
本文提出物理信息驱动的多尺度Mamba（PIMSM），这是一种状态空间架构，它将模型记忆与物理时间尺度对齐，以提升在科学时间序列分布偏移下的鲁棒性，并在fMRI和天气预报任务上展示了改进。
本文提出了M2SNet，一种用于医学图像分割的多尺度内多尺度减法网络。它利用减法运算捕获编码器各层之间的差异特征，提高了病灶定位的准确性和边缘的清晰度。在涵盖四种医学成像模态的十一个数据集上，该方法取得了最先进的性能。