{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2023,9,10]]，“日期-时间”：“2023-09-10T13:12:21Z”，“时间戳”：1694351541560}，“出版商位置”：“美国纽约州纽约市”，“参考-计数”：50，“出版者”：“ACM”，“资助者”：[{“名称”：“IdEx University\u00e9 Paris Cit\u00e8“，”奖项“：[”ANR-18-IdEx-0001“]}，{”名称“：“中国科学技术部，国家重点研发计划”，“奖项”：[“2020YFB1710001”]}，{“名称”：“巴黎数据智能研究所（diiP）”}]，“内容域”：{“域”：[“dl.acm.org”]，“跨标记限制”：true}，“短容器标题”：[]，“已出版印刷品”：{“日期部分”：[[2023,8,6]]}，“DOI”：“10.1145\/3580305.3599913”，“type”：“procesdings-article”，“created”：{“date-parts”：[[2023,8,4]]，“date-time”：“2023-08-04T18:13:58Z”，“timestamp”：1691172838000}，“update-policy”：”http://\/dx.doi.org\/10.1145\/crossmark-policy“，”source“Crossref”，“is-referenced-by-count”：0，“title”：[“面向制造应用的机械引导深度学习通用框架”]，“前缀”：“10.1145”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0009-0008-0646-6422”，“authenticated-ORCID”：false，“given”：”Hanbo“，“family”：“Zhang”，“sequence”：“first”，“affiliation”：[}“name”：“中国上海复旦大学”}]}，{“ORCID”：“http://\/orcid.org\/0009-0005-7209-2682”，“authenticated-orcid”：false，“given”：“江新”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[{“name”：“中国上海复旦大学”}]}，{“orcid”：”http://\/orcid.org\/0000-0003-1329-6309“，”authentimated-orcid“：false”，“give”：“Shen”，“家族”：“梁”，“序列”：“附加”，“从属”：[{“名称”：“University\u00e9 Paris Cit\u00e 9，Paris，France”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-8136-9621”，“authenticated-ORCID”：false，“given”：”Peng“，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[{“name”：“中国上海复旦大学”}]{，”ORCID“http://\ORCID.org\/000-0002-8031-0265”，“authenticated-ORCID：false，“给定”：“主题”，“family”：“Palpanas”，“sequence”：“additional”，“affiliation”：[{“name”：“University\u00e9 Paris Cit\u00e9&French University Institute（IUF），Paris，France”}]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-1698-8992”，“authenticated-ORCID”：false，“given”：”Chen“，”family“：”Wang“，”sequence“：”additional“，”affiliance“:[{”name“：”清华大学，中国北京“}]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-0264-788X”，“authenticated-ORCID”：false，“给定”：“Wei”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[{“name”：“Fudan University，Shanghai，China”}]}，{《ORCID》：“http://\\ORCID.org\/000-0002-8294-3912”，“authenticated-ORCID“：false”，“给定的”：“Haoxuan”，“家庭”：“Zhou”，“序列”：“附加“，”从属关系“：[{“name”：“西安交通大学和米兰理工大学，中国西安”}]}，{“ORCID”：“http://\/ORCID.org\/0009-0003-5647-4926”，“authenticated-ORCID”：false，“given”：建伟，“family”：“Song”，“sequence”：“additional”，“affiliation”：[{name”：中国上海沪东中华造船有限公司：“http://\/orcid.org\/0009-0003-2796-7975”，“authenticated-orcid”：false，“given”：“Wen”，“family”：“Lu”，“sequence”：“additional”，“affiliation”：[{“name”：“Hudong-Zhonghua Shipbuilding（Group）Co，Ltd.，Shanghai，China”}]]，“member”：“320”，“published-online”：{“date-parts”：[2023,8,4]}，“reference”：[}“key”：”e_1_3_2_1_1“，“卷时间”：“关于玻璃形成液体中协同弛豫特性的温度依赖性。化学物理杂志”，“作者”：“Adam Gerold”，“年份”：“1965年”，“非结构化”：“Gerold Adam和Julian H Gibbs.1965。关于玻璃形成液体中协同弛豫特性的温度依赖性。化学物理学杂志，第43卷，第1期（1965年），139-146。杰罗德·亚当和朱利安·吉布斯。1965.关于玻璃形成液体中协同弛豫特性的温度依赖性。《化学物理杂志》，第43卷，第1期（1965年），第139--146页George EP Box、Gwilym M Jenkins、Gregory C Reinsel和Greta M Ljung。2015年，时间序列分析：预测和控制。约翰·威利父子公司。George EP Box、Gwilym M Jenkins、Gregory C Reinsel和Greta M Ljung。2015年，时间序列分析：预测和控制。约翰·威利父子公司。“}，{”key“：”e_1_3_2_2_4_1“，”volume-title“：”随机森林。机器学习“，”author“：”Breiman Leo“，”year“：”2001“，”unstructured“：”Leo Breiman。2001。随机森林。机器学习，第45卷，第1卷（2001年），5-32。利奥·布雷曼（Leo Breiman）。2001.随机森林。机器学习，第45卷，第1期（2001年），第5--32页。“doi”：“10.1016\/0022-3093（84）90634-3”}，{“键”：“e_1_3_2_2_8_1”，“doi-asserted-by“：”publisher“，”doi“：”10.1145\/3447548.3467449“}，{“key”：”e_1_3_2_9_1“，“doi-assert-by”：“publisher”，“doi”：“10.1007\/s10618-020-00701-z”}，“key“：哈里斯·德鲁克（Harris Drucker）、克里斯托弗·J·伯格（Christopher J Burges）、琳达·考夫曼（Linda Kaufman）、亚历克斯·斯莫拉（Alex Smola）和弗拉基米尔·瓦普尼克（Vladimir Vapnik）。1996年。支持向量回归机。神经信息处理系统进展，第9卷（1996年）。哈里斯·德鲁克、克里斯托弗·J·伯格、琳达·考夫曼、亚历克斯·斯莫拉和弗拉基米尔·瓦普尼克。1996年。支持向量回归机。神经信息处理系统进展，第9卷（1996年）。}，{“key”：“e_1_3_2_2_11_1”，“volume-title”：“AutoKE：用于科学机器学习的自动知识嵌入框架”，“author”：“Du Mengge”，“year”：“2022”，“unstructured”：“Mengge Du，Yuntian Chen，and Dongxiao Zhang.2022”。AutoKE：用于科学机器学习的自动知识嵌入框架。IEEE人工智能汇刊（2022）。杜梦歌、陈云田、张冬晓。2022.AutoKE：用于科学机器学习的自动知识嵌入框架。IEEE人工智能汇刊（2022）。“}，{”key“：”e_1_3_2_2_12_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.mfglet.2019.02.001“}”，{“key”：“e_1_ 3_2_13_1”，”doiasserted-by”：“publisher”，“doi”：“10.1109\/ACCES.2023.3265722”}，”{“密钥”：“e_1_3_2_14_1”、“volume-title”：“”用于面部动作单元识别的增量增强卷积神经网络。神经信息处理系统进展”，“作者”：“韩世忠”，“年份”：“2016年”，“非结构化”：“韩世忠、孟子波、艾哈迈德·谢哈布·汗和严彤。2016.用于面部动作单元识别的增量增强卷积神经网络。神经信息处理系统进展，第29卷（2016年）。韩世忠、孟子波、艾哈迈德·谢哈卜和严彤。2016.用于面部动作单元识别的增量增强卷积神经网络。神经信息处理系统进展，第29卷（2016年）。“}，{”key“：”e_1_3_2_2_15_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/CVPR.2016.90”}，“{”key“：“e_1_ 3_2_16_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.ijforecast.2020.06.008“}”，{“：”Fawaz Hassan Ismail“，”“2019年”，“非结构化”：“哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、杰尔曼·福雷斯蒂尔（Germain Forestier）、乔纳森·韦伯（Jonathan Weber）、哈桑·伊多姆加尔（Lhassane Idoumghar）和皮尔雷·阿莱恩·穆勒。2019a中。时间序列分类的深度学习：综述。数据挖掘和知识发现，第33卷，第4卷（2019年），第917-963页。哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、杰尔曼·福雷斯蒂尔（Germain Forestier）、乔纳森·韦伯（Jonathan Weber）、哈桑·伊多姆加尔（Lhassane Idoumghar）和皮尔雷·阿莱恩·穆勒（Pierre-Alain Muller）。2019a年。时间序列分类的深度学习：综述。数据挖掘与知识发现，第33卷，第4卷（2019年），第917--963页。“}，{“key”：“e_1_3_2_18_1”，“volume-title”：“时间序列分类的深度学习：综述。数据挖掘与知识发现”，“author”：“Fawaz Hassan Ismail”，《year》：“2019”，“unstructured”：“哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、杰尔曼·福雷斯蒂尔（Germain Forestier）、乔纳森·韦伯（Jonathan Weber）、哈桑·伊多姆加尔（Lhassane Idoumghar）和皮尔雷·阿莱恩·穆勒（Pierre-Alain Muller）。2019b年。时间序列分类的深度学习：综述。数据挖掘和知识发现，第33卷，第4卷（2019年），第917-963页。哈桑·伊斯梅尔·法瓦兹（Hassan Ismail Fawaz）、杰尔曼·福雷斯蒂尔（Germain Forestier）、乔纳森·韦伯（Jonathan Weber）、哈桑·伊多姆加尔（Lhassane Idoumghar）和皮尔雷·阿莱恩·穆勒（Pierre-Alain Muller）。2019b年。时间序列分类的深度学习：综述。数据挖掘与知识发现，第33卷，第4卷（2019年），第917--963页。“}，{“key”：“e_1_3_2_19_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s10618-020-0071-y“}、{“key”：”e_1_ 3_2_2_2_20_1“，”doi-assert-by“：”publisher“，ted-by“：”publisher“，”doi“：”10.1155\/2012\/649450“}，{”key“：”e_1_3_2_22_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.gca.2021.08.023“}，{”key“：”e_1_ 3_2_23_1“，“doi-assert-by”：“publisher”，“doi”：“10.1109\/TIE.2017.2677334”}，“key”：“e_1_a_2_24_1”，”doi-asserted-by“：“publiver”，”doi:“10.1109”TIE.2018.2838078“}”，{“key”：“e_1_3_2_25_1”，“volume-title”：“使用深度转移学习诊断具有弱监督数据的旋转机械”，“作者”：“李翔”，“年份”：“2019年”，“非结构化”：“向丽，张伟，钱丁，徐丽。2019年。使用深度传递学习诊断具有弱监督数据的旋转机械。IEEE工业信息学学报，第16卷，第3卷（2019年），1688-1697。2019年，李翔、张伟、钱丁和徐丽。使用深度迁移学习诊断具有弱监督数据的旋转机器。IEEE工业信息学学报，第16卷，第3卷（2019年），第1688--1697页。“}，{”键“：”e_1_3_2_26_1“，”doi-asserted-by“：”publisher“，“doi”：“10.3390\/e23010018”}，“key”：“e_1_ 3_2_2_27_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/CVPR.2015.7298965“}”，{“key“：”e_1_3_2_28_1“”，“doi-asserted-by”“publisher”，“doi”：“10.1109\/CVPR.2015.7298965”}，{“key”：“e_1_3_2_29_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1073\/pnas.0911705106”}，{“key”：“e_1_ 3_2_2_30_1”，《volume-title》：“AAAI人工智能会议论文集”，“volume”：《26》，“author”：“McQuade Scott”，“year”：“2012”，“unstructured”：“斯科特·麦克奎德和克莱尔·蒙特利奥尼。2012 . 使用地理空间邻里追踪全球气候模型。《AAAI人工智能会议论文集》，第26卷。335--341. 斯科特·麦克奎德和克莱尔·蒙特利奥尼。2012.使用地理空间邻里追踪全球气候模型。《AAAI人工智能会议论文集》，第26卷。335-341.“}，{”key“：”e_1_3_2_2_31_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1002 \/sam.10126“}”，{“key”：“e_1_ 3_2_32_1”，“volume-title”：“Pytorch：命令式、高性能的深度学习库。神经信息处理系统的进展”，“author”：“Paszke Adam”，“year”：“2019”，“unstructured”：“Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga，2019年。Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展，第32卷（2019年）。https:\/\/pytorch.org\/Adam Paszke、Sam Gross、Francisco Massa、Adam Lerer、James Bradbury、Gregory Chanan、Trevor Killeen、Zeming Lin、Natalia Gimelshein、Luca Antiga等，2019年。Pytorch：一个命令式、高性能的深度学习库。神经信息处理系统进展，第32卷（2019年）。https://pytorch.org/“｝，｛“key”：“e_1_3_2_33_1”，“volume title”：“Scikit learn:Python中的机器学习。机器学习研究杂志”，“author”：“Pedregosa Fabian”，“year”：“2011”，“nonstructured”：“Fabian Pedregosa、Ga\u00ebl Varoquaux、Alexandre Gramfort、Vincent Michel、Bertrand Thirion、Olivier Grisel、Mathieu Blondel、Peter Prettenhofer、Ron Weiss和Vincent Dubourg，2011年。Scikit-learn：Python中的机器学习。机器学习研究杂志，第12卷（2011年），2825-2830。https:\/\/scikit-learn.org\/stable\/index.html Fabian Pedregosa、Ga\u00ebl Varoquaux、Alexandre Gramfort、Vincent Michel、Bertrand Thirion、Olivier Grisel、Mathieu Blondel、Peter Prettenhofer、Ron Weiss、Vincent-Dubourg等，2011年。Scikit-learn：Python中的机器学习。机器学习研究杂志，第12卷（2011年），2825-2830。https:\/\/scikit-learn.org\/stable\/index.html“}，{”key“：”e_1_3_2_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.jcp.2018.0.045”}，“key”：“e_1_ 3_2_35_1”，“volume-title”：“国际预测与健康管理杂志”，“author”：“Ramasso Emmanuel”，“year”：“2014”，“unstructured”：“Emmanuel-Ramasso.2014”。研究失效预测的计算几何。《国际预测与健康管理杂志》，第5卷，第1期（2014年），第005页。埃曼纽尔·拉马索。2014.研究失效预测的计算几何。《国际预测与健康管理杂志》，第5卷，第1期（2014年），第005页。感知器：大脑中信息存储和组织的概率模型。《心理学评论》，第65卷，第6卷（1958年），第386页。弗兰克·罗森布拉特。1958.感知器：大脑中信息存储和组织的概率模型。心理评论，第65卷，第6卷（1958年），第386页。“}，{“key”：“e_1_3_2_2_37_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.ijforecast.2019.07.01“}”，{”key“：”e_1_ 3_2_38_1“，”volume-title“：”涡扇发动机退化模拟数据集。NASA Ames预测数据仓库“，”author“：”Saxena Abhinav“，“年份”：“2008”，“非结构化”：“Abhinav Saxena和Kai Goebel。2008年。涡扇发动机退化模拟数据集。美国航空航天局艾姆斯预测数据库（2008），1551-3203。Abhinav Saxena和Kai Goebel。2008年。涡扇发动机退化模拟数据集。NASA Ames预测数据仓库（2008），1551--3203。“}，{”key“：”e_1_3_2_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.25080\/Majora-92bf1922-011”}，“key”：“e_1_ 3_2_40_1”，“doi-assert-by”：“publisher”，”doi“：”10.1609\/aaaai.v32i1.11941“}”，{“：”publisher“，”doi“：”10.1007\/s10618-021-00745-9“}，{”key“：”e_1_3_2_2_42_1“，“体积-时间”：“Das Temperaturabhangigkeitsgesetz der Viskositat von Flussigkeiten。Physikalische Zeitschrift”，“作者”：“Vogel Hans”，“非结构化”：“Hans Vogel。【未注明日期】。流体粘度的温度。Physikalische Zeitschrift，第22卷（[编号，日期]），645-646。汉斯·沃格尔。【未注明日期】。Das Temperaturabhangigkeitsgesetz der Viskositat von Flussigkeiten公司。Physikalische Zeitschrift，第22卷（[n.，d.]），645--646.“}，{“键”：“e_1_3_2_43_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1609\/aaai.v36i8.20830”}，}“键“：”e_1_ 3_2_2_44_1“，”doi-assert-by“：”出版商“，”doi“：”10.1109\/TR.2018.2882682“}，“卷时间”：“用于学习点云的动态图形cnn。Acm Transactions On Graphics（tog）”，“作者”：“王悦”，“年份”：“2019年”，“非结构化”：“王悦、孙永斌、刘紫薇、桑杰伊·萨玛、迈克尔·布朗斯坦和贾斯汀·所罗门。2019.学习点云的动态图形cnn。Acm图形交易（tog），第38卷，第5卷（2019年），1-12。王悦、孙永斌、刘紫薇、桑杰伊·萨玛、迈克尔·布朗斯坦和贾斯汀·所罗门。2019.用于点云学习的动态图cnn。Acm Transactions On Graphics（tog），第38卷，第5卷（2019年），第1-12页。“}，{“key”：“e_1_3_2_2_46_1”，“volume-title”：“从几个例子中概括：关于少学习的调查。Acm计算调查（csur）”，“作者”：“王亚庆”，“年份”：“2020”，“非结构化”：“汪亚庆，姚全明，詹姆斯·T郭，和莱昂内尔·M Ni.2020。从几个例子中总结：关于少数人学习的调查。ACM计算调查（csur），第53卷，第3期（2020年），1-34。王亚庆、姚全明、詹姆斯·郭台铭和莱昂内尔·穆尼，2020年。从几个例子中总结：关于少数人学习的调查。ACM计算调查（csur），第53卷，第3期（2020年），1-34.“}，{”key“：”e_1_3_2_2_47_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TIE.2019.2962429”}，“{”key“：“e_1_ 3_2_48_1”，“unstructured”：“Hongzuo Xu Yijie Wang Songlei Jian Zhenyu Huang Yongjun Wang Ning Liu and Fei Li.2021.”。《超越异常检测：由注意力引导的三重偏差网络进行异常解释》，收录于WWW.ACM \/IW3C2 1328-1339。洪佐徐一杰王松磊建振宇黄永军王宁刘飞，2021。超越异常检测：由注意力引导的三重态偏差网络对异常进行解释。在WWW.ACM\/IW3C2 1328--1339中。“}，{”key“：”e_1_3_2_2_49_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TIE.2018.2883262”}，“key”：“e_1_ 3_2_50_1”，“doi-assert-by”：“publisher”，”doi“：”10.1609\/aaaai.v35i12.17325“}]，”event“：{“名称”：“KDD’23:第29届ACM SIGKDD知识发现和数据挖掘会议”，“地点”：“美国加州长滩”，“缩写词”：“KDD’23”，“赞助商”：[“SIGMOD ACM数据管理特别兴趣小组”，“SIGKD ACM关于数据中知识发现的特别兴趣小组”]}，“容器-标签”：[”第29届ACM SIGKDD知识发现和数据挖掘会议记录“]，“original-title”：[]，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3580305.3599913”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,9,9]]，“date-time”：2023-09-09T05:31:13Z“，”timestamp“：1694237473000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3580305.3599913”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2023,8,4]]}，《references-count》：50，“alternative-id”：[“10.1145\/35880305.359993”，“10.1145\/3580305”]，“URL”：“http:\/\/dx.doi.org\/10.1145\/3580305.3599913“，”关系“：{}，”主题“：[]，”已发布“：{”日期部分“：[[2023,8,4]]}，“断言”：[{“值”：“2023-08-04”，“顺序”：2，“名称”：“已发布”，“标签”：“发布”，”组“：”名称“：”发布历史“，”标签“：“发布历史”}}}}