#VMD LSTM

王毅、崔茜彤、王晨、熊宝伟、邵国敏、王琬莹、曹培、韩文霆(西安财经大学/西北农林科技大学/西安理工大学)针对传统玉米产量预测方法难以揭示变量间因果关系的问题,提出融合因果推断与机器学习的预测方法:基于遥感指数、气象数据、土壤剖面湿度和阶段性作物观测数据等多源异构信息,采用偏相关与瞬时条件独立算法系统分析玉米产量与各影响因子之间的因果关系,构建可解释的玉米产量预测模型。

用LSTM结合可解释AI预测肯尼亚玉米产量，兼顾精度与透明度。

提出分解-集成框架融合地面观测与NWP预报因子，实现城市臭氧168小时长序列预报。

提出多模态时空感知融合系统，用迭代膨胀卷积图时序网络分类鱼类应激状态。

针对胡麻倒伏区域识别难题，研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%，较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M，计算量为8.0 GFLOPs，模型体积仅为3.8 MB，显示出较好的轻量化优势。该方法兼顾精度与轻量化，为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。

基于机载多角度热红外数据，在像素尺度评估核驱动模型并简化，以校正地表温度方向性效应。

系统综述2015-2026年混合CNN-ViT架构的知识蒸馏方法，按迁移方向、知识类型和应用领域分类

系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。