不见关键词检索结果

如果黑洞闯入我们的太阳系会怎样?

What If a Black Hole Wandered Into Our Solar System?

Ashley Hamer,Live Science 黑洞质量巨大,几乎看不见,而且非常强大,甚至连光都无法逃脱它们。那么,如果一个黑洞进入我们的身体会发生什么呢?

物理学的一次转变如何永远改变技术

How a Twist in Physics Could Change Technology Forever

康斯坦茨大学的物理学家发现了一种使用激光将以前看不见的手性几何形式印在电子上的方法,从而创造出...

关于非布尔函数在未见范围内泛化的最小度偏差

On the Minimal Degree Bias in Generalization on the Unseen for non-Boolean Functions

我们研究了随机特征 (RF) 模型和 Transformer 的域外泛化。我们首先证明,在“在看不见的 (GOTU) 上泛化”设置中,训练数据在域的某些部分完全可见,但在另一部分进行测试,对于小特征范围内的 RF 模型,收敛发生在最小程度的插值器上,就像布尔情况一样 (Abbe 等人,2023)。然后,我们考虑稀疏目标范围,并解释该范围与小特征范围的关系,但使用不同的正则化项,可以改变图片……

“乔·拜登”为所有现在遭受第四阶段怀疑的美国人带来希望

"Joe Biden" Offers Hope For All Americans Now Suffering With Stage 4 Incredulity

“乔·拜登”为所有现在患有第四阶段怀疑症的美国人带来希望作者:马克·克里斯平·米勒,来自“地下新闻”子堆栈,长期以来,“我们的自由媒体”一直对“我们”总统的惊人虚弱视而不见——尽管他三重失误、表情震惊、肢体和言语失常、频繁的“不当触摸”和(请原谅我写这篇文章)大声的公开放屁——现在突然关注他太老了,无法竞选连任,好像 (a) 任何没有被特朗普精神错乱综合症搞疯的人都早就知道这一点,好像 (b) “拜登”一开始就当选了。当然,这种突然、完全从尊重转变为蔑视的原因是两周前那场(字面上)无法形容的“辩论”(“拜登”几乎无法说话,而特朗普几乎无法闭嘴)和观众迅速做出了严厉的判决。老态龙钟和年迈的年轻人

气候科学家在地球走向超热带道路上的困境

The predicament of climate scientists on the road to a super tropical Earth

作者:Andrew Glikson图 1. 2023 年是自 1880 年开始现代记录以来地球最热的一年。随着地球大部分地区的气温飙升(参见德里 52.3°C、火焰吞噬加利福尼亚大片地区、龙卷风肆虐墨西哥湾各州、严重干旱导致南部非洲人口挨饿,极端气候继续席卷地球大部分地区。就像肿瘤学家建议患者及其家属患有绝症一样,气候科学家在报告危险变暖的到来时也感到痛苦,因为气温上升,临界点被打破。但是,尽管气候变化已经变得非常明显,但那些试图提醒公众的人要付出沉重的代价。图 2. 基于 GISS 分析的全球温度相对于 1880-1920 年(Hansen 等人,2024 年)。一个明显的误解是,它忽略了温

兴奋剂:一种测试异常值检测器的技术

Doping: A Technique to Test Outlier Detectors

使用精心制作的合成数据来比较和评估异常值检测器本文继续我的异常值检测系列,继“计数异常值检测器”和“频繁模式异常值因子”之后,还提供了我书“Python 中的异常值检测”的另一段摘录。在本文中,我们将研究测试和评估异常值检测器的问题,这是一个众所周知的难题,并提出一种解决方案,有时称为掺杂。使用掺杂,实际数据行(通常)被随机修改,但修改方式可以确保它们在某些方面可能是异常值,因此应该由异常值检测器检测到。然后,我们可以通过评估探测器检测掺杂记录的能力来评估探测器。在本文中,我们专门研究表格数据,但同样的想法也可以应用于其他模态,包括文本、图像、音频、网络数据等。测试和评估其他类型的模型如果您熟

Dropout:一种减少神经网络过拟合的革命性方法

Dropout: A Revolutionary Approach to Reducing Overfitting in Neural Networks

过度拟合和 Dropout 简介:在有限的数据上训练大型神经网络时,过度拟合是一个常见的挑战。当模型在训练数据上表现异常出色但无法推广到看不见的测试数据时,就会发生这种情况。出现此问题的原因是网络的特征检测器对于训练数据来说变得过于专业化,从而产生了复杂的依赖关系 Dropout:一种减少神经网络过度拟合的革命性方法首先出现在 AI Quantum Intelligence 上。

强大的 EDA 工具:分组聚合

A Powerful EDA Tool: Group-By Aggregation

照片由 Mourizal Zativa 在 Unsplash 上拍摄了解如何使用分组聚合从数据中发现见解探索性数据分析 (EDA) 是数据分析师的核心能力。每天,数据分析师的任务都是发现“看不见的”东西,或者从浩瀚的数据中提取有用的见解。在这方面,我想分享一种我认为有助于从数据中提取相关见解的技术:分组聚合。为此,本文的其余部分将安排如下:Pandas 中分组聚合的解释数据集:大都会州际交通大都会交通 EDA分组聚合分组聚合是一种数据处理技术,包含两个步骤。首先,我们根据特定列的值对数据进行分组。其次,我们在分组数据上执行一些聚合操作(例如,求和、平均值、中位数、唯一计数)。当我们的数据很细粒

科学家发现肥胖的隐藏原因

Scientists find a hidden cause of obesity

自 1975 年以来,肥胖问题已成为一个全球性问题。世界卫生组织表示,自那时以来,超重人数几乎增加了两倍。我们将其归咎于高脂肪食物、含糖零食和缺乏锻炼。但如果某种看不见的东西也应受到指责呢?科学家 Barbara E. Corkey 认为,某些化学物质(称为肥胖因子)[…] 这篇文章《科学家发现肥胖的隐藏原因》首先出现在 Knowridge Science Report 上。

如何挑战自己的分析,以免他人质疑

How to challenge your own analysis so others won’t

掌握健全性检查的艺术,以提高您的工作质量作者图片您是否曾经创建过分析,却被经理驳斥?或者您是否曾在演示过程中遇到一个问题,让您想“我为什么不事先检查一下?”有时,您可能会觉得经理和高管有一种不可思议的能力,可以找到您工作中的一个弱点。他们是如何如此迅速地发现问题的,尤其是当他们第一次看到你的工作时?任何人都可以学到一种看似超能力的东西,这篇文章将向你展示如何做到这一点。通过定期对你的工作进行“健全性检查”,你可以主动识别薄弱环节,并确保结果在与更广泛的受众分享之前是合理的。我将介绍:什么是健全性检查以及它们为何重要健全性检查与大多数人检查其工作的方式有何不同如何进行健全性检查如何使用健全性检查

控制 Live Nation-Ticketmaster 权力的全球利益

The Global Benefits of Reining in Live Nation-Ticketmaster’s Power

美国司法部对 Live Nation-Ticketmaster 的里程碑式诉讼标志着美国反垄断监管机构对市场主导公司的胁迫视而不见的时代的结束。同样重要的是,联邦政府的胜利可能会重塑全球现场娱乐业。

DNS 幕后:移动设备的秘密生活

За кулисами DNS: тайная жизнь вашего мобильного гаджета

看不见的连接网络紧紧地缠绕着每部智能手机,损害了用户的隐私。

面向稳健评估:大型语言模型时代开放域问答数据集和指标的综合分类

Towards Robust Evaluation: A Comprehensive Taxonomy of Datasets and Metrics for Open Domain Question Answering in the Era of Large Language Models

自然语言处理中的开放域问答 (ODQA) 涉及构建使用大规模知识语料库回答事实问题的系统。最近的进展源于多种因素的融合,例如大规模训练数据集、深度学习技术和大型语言模型的兴起。高质量的数据集用于在现实场景中训练模型,并支持对可能看不见的数据进行系统评估。标准化指标有助于比较不同的 ODQA 系统,使研究人员能够客观地跟踪进展……

下一代 EHS:用于危险​​检测的计算机视觉

Next-Gen EHS: Computer Vision for Hazard Detection

看到看不见的东西!利用计算机视觉的力量进行危险检测。

已经开发出一种在生物表面印刷传感器的方法

Разработан метод печати сенсоров на биологических поверхностях

科学家们创造了皮肤看不见的环保设备。

了解对海洋的隐形威胁

Understanding the Invisible Threat to Our Oceans

海洋是世界上一些最丰富多彩、最迷人和最美丽的生物的家园。它是我们星球的重要支撑系统。海洋在水循环中发挥着关键作用,储存碳、提供氧气、调节气候并为数百万人提供食物。不幸的是,我们的海洋在世界各地都受到威胁。瓶子和袋子等较大的塑料物品对我们的周围环境构成了明显的威胁,但真正的威胁来自肉眼看不见的东西。让我们了解对我们的海洋、海洋生态系统和人类福祉的隐形威胁。对我们海洋的隐形威胁对我们海洋的隐形威胁海洋覆盖了地球表面 70% 以上的面积,通常被视为巨大的、不可触及的实体。然而,在海浪之下隐藏着一个不太明显的威胁,它危及海洋生态系统,进而危及陆地上的生物。这种看不见的威胁不是单一的实体,而是一系列相互

追踪大规模灭绝

Tracking toward mass extinction

作者:Andrew Glikson“如果派对这么说,二加二等于五”(乔治·奥威尔),钻探甲烷井可以减少全球变暖人类对气候科学视而不见,无视极端大气二氧化碳 (CO₂)、甲烷 (CH₄) 上升和海洋酸化已导致物种大规模灭绝的证据,人类听任碳排放呈指数增长,走向一场全球自杀,而当权者的借口和背叛就是其中之一。证据表明,到本世纪末,全球变暖若不减弱,每年将导致 340 万人死亡,这种致命后果要求进行一场先发制人的纽伦堡式审判,揭露导致迫在眉睫的气候自杀的罪行。请留意未来对二氧化碳水平的估计。[图 1. 历史二氧化碳,作者:Owen Mulhern,图片来自 Forster 等人。 (2017)]请注

我们如何帮助英国重新控制时间

How we’re helping the UK take back control of time

我们的生活依赖于一种看不见的实用工具:准确的时间。从我们智能手机上的早晨闹钟开始,它是我们每天所依赖的旅行计划、旅程更新和位置信息的基础,缺乏同步会导致中断和问题不断积累。而且它是……帖子我们如何帮助英国重新掌控时间首先出现在克兰菲尔德大学博客上。