单变量深度学习在显著波高预测中的局限

面向地球物理中性子监测时间序列的多时域预测，比较季节基线、深度序列模型与量子启发架构。

系统比较五类深度学习模型在海洋浮标显著波高单变量预测中的表现，并揭示多浮标评估下模型差异极小。

提出PIRNN方法，通过在训练阶段引入历史数据的物理知识，提升物理过程时间序列预测的可解释性和准确性。

针对椎骨式软体机器人尾部运动控制，提出基于LSTM的压力预测控制方法，并实现与四足机器人的运动协调。

利用Transformer网络为地月空间航天器交会对接任务提供热启动初始猜测，加速非凸轨迹优化的求解效率。