图像引导的深度补全是一项通过利用稀疏深度测量和RGB图像来估计密集深度图的任务；它通过估算深度来填充未测量的区域。由于许多深度传感器（如LiDAR和飞行时间相机（ToF））只能提供稀疏的深度图，这项任务变得尤为重要。随着深度信息在自动驾驶和各种3D应用中的广泛应用，深度补全已经成为一个重要的研究课题。近年来，随着深度神经网络的成功，基于学习的方法通过利用大量训练数据显著提升了性能。这些方法尝试融合多模态特征，如表面法线或提供重复的图像引导。尤其是，基于亲和性的空间传播方法被广泛研究。

本文介绍了一个基于机器学习的眼疾识别系统，使用了ResNet18和ResNet18-NAM两种卷积神经网络模型来对眼底图像进行分类，以实现自动眼疾识别。通过对两个公开数据集 iChallenge-PM 和 眼病分类数据集 的部分数据进行处理，并将其调整为 224x224 的图像尺寸。文章重点研究了基于注意力机制的ResNet18-NAM模型，其中引入了NAM（归一化注意力机制）以增强模型的注意力计算能力。实验结果表明，ResNet18-NAM在准确率和模型效率上优于标准ResNet18，并且在多项指标上均表现出较好…

语音情绪识别是音频分类的一个重要应用场景，在机器人制造、自动化、人机交互、安全、医疗、驾驶和通信等领域具有高实用价值。本文利用飞桨框架实现的ResNet18模型，实现了6种语音情绪的识别。数据集包含6类情绪，每类50个样本，共300条数据。音频数据通过librosa库处理，并使用MFCC算法提取特征，转化为图片形式用于训练。模型训练过程展示了高准确率和低损失函数，最终测试模型的准确率为86.67%，展示了情绪识别的良好效果。

UWB（Ultra Wide Band，超宽带）信号与其他无线信号相比具有大带宽，功耗低，精度高，穿透能力强等特性，因此其在室内定位领域有着十分广泛的应用。与其他室内定位算法相比，基于UWB的室内定位算法的定位精度可以达到厘米级别，UWB室内定位算法的误差主要来源于NLOS（Non Line Of Sight，非视距）信号。本文采用CNN（Convolutional Neural Network，卷积神经网络）、FCN（Full Convolutional Network，全卷积神经网络）和ResNet（Resid…