Soft Computing, Volume 28, Issue 7-8, April 2024
1) 某些树结构的紧密度作者：Hande Tunçel Gölpek页数：5751 - 57632) 使用新的数据驱动优化方法进行家庭医疗保健设备生产组合设计作者：Mohammad Sheikhasadi、Amirhossein Hosseinpour...Masoud Rabbani页数：5765 - 57843) 用于强广义最小标签生成树问题的基于社区的之字形引导算法作者：Hao Long、Yinyan Long...Fu-ying Wu页数：5785 - 57934) 具有增强开发和探索功能的持续人工学习优化作者：Ling Wang、Yihao Jia...Minrui Fei页数：57
Call for Papers: Special Session on AI and Game Production, ICONIP 2024
人工智能与游戏制作人工智能是游戏开发中不可或缺的一部分，其中人工智能已成为一种有效的工具，可以带来引人入胜的游戏体验，例如使用非玩家角色或智能代理通过提供自适应和/或响应式游戏来增强玩家体验和参与度。鉴于人工智能已成为工程、设计、酒店、营销或创意技术等各个领域的关键，引入人工智能作为开发工具来增强游戏制作流程是一个令人着迷的前景。尽管人工智能仍处于应用的早期阶段，但它在游戏制作中的应用范围涵盖创建内容、协助设计和编码、规划、测试、分析行为甚至营销。虽然人工智能在游戏中的广泛使用凸显了人工智能在解决游戏制作的创造性和技术挑战方面的多功能性，但它也带来了一些挑战，例如确保人工智能的道德使用，以及保
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 6, June 2024
1) 以人为本的模糊最佳最差群体决策过程综述作者：Yanlin Li, Yung Po Tsang, Carman Ka Man Lee, Zhen-Song Chen页数：3302 - 33182) 具有停留时间的互联切换非线性系统的自适应模糊最优控制作者：Licheng Zheng, Junhe Liu, C. L. Philip Chen, Yun Zhang, Ci Chen, Zongze Wu, Zhi Liu页数：3319 - 33283) 分层演化模糊系统：一种多维混沌时间序列在线预测方法作者：Lei Hu, Xinghan Xu, Weijie Ren, Min Han页数：
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 5, May 2024
1) 特邀编辑：基于可解释表示学习的复杂系统智能检测与维护特刊作者：刘志刚、Cesare Alippi、陈洪天、刘德荣页数：5819 - 58232) 基于大规模电动汽车和风电并网的新型自动发电控制方法作者：席蕾、李浩凯、朱继忠、李彦英、王守祥页数：5824 - 58343) 基于自适应动态规划的自旋交换无松弛系统最优自旋极化控制作者：王瑞刚、王卓、刘思迅、李涛、李峰、秦博东、魏庆来页数：5835 - 58474) 具有输出饱和和扰动的不确定非线性系统的事件触发分数阶跟踪控制作者：舒逸Shao, Mou Chen, Sijia Zheng, Shumin Lu, Qijun Zhao页数：58
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 5
1) 具有犹豫模糊偏好关系的无向协作网络下的群体决策合作博弈作者：廖虎昌、蒋帆、唐明、徐泽水页数：2530 - 25422) 随机高阶 MAS 在 FDI 攻击下的自适应容错共识跟踪控制作者：邵新峰、叶丹、赵新刚页数：2543 - 25533) 非线性信息物理系统针对传感器和执行器攻击的输出反馈自适应模糊逆最优安全控制作者：陈泽斌、余兆旭、李树刚页数：2554 - 25664) 多智能体系统在 DoS 攻击和间歇性执行器故障下的自适应模糊安全控制作者：李永明、陆戈、李克文页数： 2567 - 25765) 基于模糊综合评价和温度可调范围的锌焙烧过程温度协同优化作者：冯振祥，马鹏，李永刚，孙蓓，
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 6, June 2024
1) 特邀编辑：非平稳数据的 AutoML作者：Ran Cheng、Hugo Jair Escalante、Wei-Wei Tu、Jan N. Van Rijn、Shuo Wang、Yun Yang页数：2456 - 24572) 用于异构遥感图像中无监督变化检测的自引导自动编码器作者：Jiao Shi、Tiancheng Wu、Alex Kai Qin、Yu Lei、Gwanggil Jeon页数：2458 - 24713) 用于实时追踪水污染的学习驱动动态多模态优化算法作者：Xuesong Yan、Xing Guo、Jin Chen、Chengyu Hu、Wenyin Gong、Liang
欢迎阅读 Robo-Insight 第二版，这是一份每两周更新一次的机器人新闻！在这篇文章中，我们很高兴分享该领域的一系列显著进步，展示了危险地图绘制、表面爬行、泵控制、自适应抓取、手术、健康援助和矿物开采方面的进展。这些发展体现了机器人技术的不断发展和潜力 […]
What is ADAGrad and How Does it Relate to Machine Learning
为什么重要：AdaGrad（自适应梯度）是一种用于机器学习和深度学习领域的优化算法。
Understanding LoRA with a minimal example
LoRA（低秩自适应）是一种用于微调深度学习模型的新技术，它通过减少可训练参数的数量并实现高效的任务切换来工作。在这篇博文中，我们将在一个非常小的 Torch 示例中讨论 LoRA 背后的关键思想。
2023 DOD Warrior Games Challenge Kicks Off
2023 年在圣地亚哥举行的国防部勇士运动会挑战赛期间，将有 200 多名运动员参加 11 项自适应运动项目的比赛。
What is the Adam Optimizer and How is It Used in Machine Learning
为什么重要：什么是 Adam 优化器？ Adam（自适应矩估计）优化器是机器学习中一种流行的优化算法。
Экзоскелет для рабочих литейного производства
Waupaca Foundry 使用自适应技术来支持在铸造厂手动打磨铸铁件的工人。 Ironhand手套据说是世界上第一款专为人手设计的软外骨骼，可提高握力并减少受力。
Йельский университет представил робота черепаху с изменяющимися конечностями
耶鲁大学的研究人员开发了一种机器人，可以通过他们称之为“自适应形态发生”的过程，使用其四肢在陆地和水中移动。
GAO 的发现美国有多种机器学习 (ML) 技术可用于协助诊断过程。由此带来的好处包括更早发现疾病；医疗数据分析更加一致；以及增加获得护理的机会，特别是对于服务不足的人群。 GAO 确定了针对五种选定疾病（某些癌症、糖尿病视网膜病变、阿尔茨海默病、心脏病和 COVID-19）的各种基于 ML 的技术，其中大多数技术依赖于 X 射线或磁共振成像 (MRI) 等成像数据）。然而，这些机器学习技术普遍没有被广泛采用。学术界、政府和私营部门的研究人员正在努力扩展基于机器学习的医疗诊断技术的能力。此外，GAO 还确定了三种更广泛的新兴方法——自主、自适应和面向消费者的机器学习诊断——可用于诊断各种疾病。
Designing a Learning Platform for Early Childhood with Sunil Gunderia
Sunil Gunderia 是 Age of Learning 的首席创新官兼掌握和自适应产品主管，该公司是 ABC Mouse 等儿童早期学习产品的制造商。Sunil 与主持人 Mike Palmer 一起讨论如何为早期学习者、家长和教育工作者构建个性化学习平台生态系统。我们首先听 Sunil 讲述他的出身故事，包括他在 2013 年加入 Age of Learning 之前在华特迪士尼公司工作的经历。然后我们了解到我们在美国面临的主要问题，大约三分之二的儿童在四年级阅读和数学方面的表现不达标，以及 Age of Learning 如何努力解决这一问题。我们探讨了教师、游戏设计师、数据科学
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
Army program introduces new software for robot autonomy
马里兰州阿德菲——陆军研究人员成功为陆军未来机器人开发了一套新的软件功能。可扩展、自适应和可重构...
