Эксперт оценил влияние ИИ на сферу обслуживания
一般来说，以客户为中心的职业主要集中在服务行业。酒店经营者和服务员、美甲师和眉毛师、旅游经理和美发师——他们因属于这个经济部门而团结在一起。他们并不总是有处理大数据的生产需求，最重要的是，一切都建立在人与人之间的沟通之上。因此，我们可以预期人工智能将对服务业产生渐进式而非革命性的影响。 AIRI 研究所自适应代理科学小组的员工伊利亚·齐斯曼 (Ilya Zisman) 于 11 月 13 日向《消息报》透露了更多相关信息。
Revolutionizing Literacy Instruction: The Power Of AI Reading Passages In K-12 Education
AI 阅读文章通过个性化、自适应学习和实时反馈促进学生参与和读写成功。探索阅读文章与传统文本的不同之处，以及教育工作者如何使用它们来创造令人兴奋且有影响力的学习体验。这篇文章首次发表在 eLearning Industry 上。
AdaBoost Classifier, Explained: A Visual Guide with Code Examples
集成学习将权重放在最需要的地方随机森林解释：带有代码示例的可视化指南每个人都会犯错 — 即使是机器学习中最简单的决策树。AdaBoost（自适应增强）算法不会忽略它们，而是会做一些不同的事情：它从这些错误中学习（或适应）以变得更好。与一次生成多棵树的随机森林不同，AdaBoost 从一棵简单的树开始，并识别它错误分类的实例。然后，它构建新的树来修复这些错误，从错误中学习并在每一步中变得更好。在这里，我们将准确说明 AdaBoost 如何进行预测，通过结合有针对性的弱学习者来增强力量，就像将集中锻炼变成全身力量的锻炼程序一样。所有视觉效果：作者使用 Canva Pro 创建。针对移动设备进行了优
AI-Powered Personalized Learning: Transforming The Future Of Employee Development
本文探讨了 AI 工具如何实现实时反馈、自适应学习路径和自动内容推荐。了解 L&D 专业人士如何利用 AI 来增强参与度、加速学习并推动组织成功。本文首次发表于 eLearning Industry。
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 11, November 2024
1) 在多创新背景下的在线主动学习，用于不断发展的误差反馈模糊模型作者：Edwin Lughofer、Igor Škrjanc页数：5998 - 60112) 具有输入饱和的非线性系统的灵活规定性能输出反馈控制作者：Yangang Yao、Yu Kang、Yunbo Zhao、Pengfei Li、Jieqing Tan页数：6012 - 60223) 通过动态事件对具有未知控制系数的 p-正态系统进行自适应模糊预定性能控制作者：Qidong Li、Changchun Hua、Kuo Li、Hao Li页数：6023 - 60344) 离散时间非线性复杂网络的模糊结构自适应最优控制的强化学习作
Device-Directed Speech Detection for Follow-up Conversations Using Large Language Models
这篇论文被 NeurIPS Workshop 2024 的自适应基础模型 (AFM) 研讨会接受。与虚拟助手 (VA) 的后续对话使用户能够无缝地与 VA 交互，而无需使用关键字反复调用它（在第一个查询之后）。因此，从后续查询中进行准确的设备导向语音检测 (DDSD) 对于实现自然的用户体验至关重要。为此，我们探索了大型语言模型 (LLM) 的概念，并在对后续查询进行推理时对第一个查询进行建模（基于 ASR 解码的文本），通过……
Video Friday: Trick or Treat, Atlas
视频星期五是每周精选的精彩机器人视频，由 IEEE Spectrum robotics 的朋友收集。我们还发布未来几个月即将举行的机器人活动日历。请将您的活动发送给我们以供收录。Humanoids 2024：2024 年 11 月 22 日至 24 日，法国南希欣赏今天的视频！我们希望从波士顿动力公司获得更多关于这方面的信息，但如果您还没有看过，这里有电动 Atlas 正在做一些富有成效的事情（而且是自主的！）。为什么不在万圣节也穿上热狗服装呢？[波士顿动力]哦，这太令人兴奋了！ Aldebaran 正准备发布第七代 NAO！[ Aldebaran ]好吧，我觉得这确实有点吓人，但 ANYbo
The Future Of Personalized eLearning: What Learners Will Expect In 2025 And Beyond
AI 和 ML 正在通过提供自适应学习路径、实时反馈和沉浸式体验来改变个性化的电子学习。到 2025 年，学习者将期待量身定制的内容、无缝的移动访问以及 AR、VR 和游戏化等引人入胜的工具。这篇文章首次发表在 eLearning Industry 上。
The Big Question with Bruno van Swinderen: How does consciousness emerge?
意识从大脑中的自适应预测机制进化而来，促进主观意识并从复杂环境中的错误中学习。文章《布鲁诺·范·斯温德伦的大问题：意识是如何产生的？》首次出现在《科学探究者》上。
Exploring the Latest Trends in Gaming
游戏行业瞬息万变。游戏领域的最新发展，包括跨平台游戏、人工智能开发、真人娱乐场游戏、增强现实和虚拟现实，正在影响我们的游戏习惯和游戏行业的现状。 1. 人工智能驱动的游戏开发 人工智能 (AI) 正在彻底改变游戏开发。它使自适应故事叙述和 […] 的发展成为可能
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 10, October 2024
1) 基于 Transformer 的计算机视觉生成对抗网络：综合调查作者：Shiv Ram Dubey、Satish Kumar Singh页数：4851 - 48672) 数据驱动技术在智能家居社区规划、需求侧管理和网络安全中的应用作者：Dipanshu Naware、Arghya Mitra页数：4868 - 48833) 针对物体检测系统的中间人攻击作者：Han Wu、Sareh Rowlands、Johan Wahlström页数：4884 - 48924) 夜间色热语义分割的测试时间自适应作者：Yexin Liu、Weiming Zhang、Guoyang Zhao、Jinjing
Evolving Systems, Volume 15, Issue 6, December 2024
1) 移动机器人分层定位中 CNN 模型和数据增强技术的评估作者：Juan José Cabrera、Orlando José Céspedes、Luis Payá页数：1991 - 20032) 用于智能城市入侵检测系统的混合机器学习框架作者：Komal Singh Gill、Arwinder Dhillon页数：2005 - 20193) 针对缺失值和类别不平衡问题的多重插补和一类装袋集成方法的混合作者：Pranita Baro、Malaya Dutta Borah页数：2021 - 20664) 使用基于 Lyapunov 稳定性的新型局部连接循环 pi-sigma 神经网络进行非线性动
Orbbec Depth+RGB cameras are now available for AMD Kria KR260 Robotics Starter Kits
Orbbec 一系列行业领先的深度摄像头与 AMD Kria™ KR260 机器人入门套件相结合，提供高性能自适应 I/O 和计算功能，并支持 ROS 2，将为自主移动机器人 (AMR) 和机器人开发人员提供一套强大的工具。
Ученые Пермского Политеха улучшили систему управления технологическими процессами на производстве
PNRPU 科学家的研究有助于构建更有效的自适应过程控制系统，从而降低生产质量下降的风险
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Number 5, October 2024
1) 资源可持续计算和人工智能特邀编辑特刊作者：Joey Tianyi Zhou, Ivor W. Tsang, Yew Soon Ong页数：3196 - 31982) 具有社会参与的电网运输系统的协调网络安全增强作者：Pengfei Zhao, Shuangqi Li, Paul Jen-Hwa Hu, Zhidong Cao, Chenghong Gu, Da Xie, Daniel Dajun Zeng页数：3199 - 32133) 用于可持续压缩感知的轻量级循环学习网络作者：Yu Zhou, Yu Chen, Xiao Zhang, Pan Lai, Lei Huang, Jian
Comite Diversion Numerical Model Study
摘要：科米特河改道工程旨在通过将科米特河的水流转移到路易斯安那州巴吞鲁日上方的密西西比河，减少洪水期间科米特河和阿米特河的洪水泛滥。水流沿着引水渠从科米特河转移到 Lilly Bayou 控制结构。该结构允许科米特河水流进入密西西比河洪泛区。建立了一个数值模型来评估向密西西比河加水所带来的影响。建立了一个 2D 自适应水力学数值模型来量化与改道流量相关的系统影响以及可能的系统修改以控制流径。改道的影响被确定为在很大程度上取决于密西西比河的流量和水位。在较高的水位和流量下，Lilly Bayou 控制结构转移的流量相对于更大的密西西比河流量而言微不足道，因此增加的流量的影响明显小于密西西比河下游
摘要：目前尚不存在使用浅层机器学习和低密度时间序列图像进行自动训练数据生成和土地覆盖分类的近全球框架。本研究提出了一种使用 Sentinel-2 颗粒的两个日期在七个国际站点绘制九类、六类和五类土地覆盖的方法。该方法使用一系列光谱、纹理和距离决策函数与修改后的辅助层相结合来创建二进制掩码，从中生成一组平衡的训练数据应用于随机森林分类器。对于土地覆盖掩码，对反射率、光谱指数值和欧几里得距离层应用了逐步阈值调整，评估了 62 种组合。计算了全球和区域自适应阈值。使用年度 95 和 5 百分位 NDVI 合成为决策函数提供时间校正，并将这些校正与原始模型进行比较。精度评估发现，两日期土地覆盖和时间校
