image关键词检索结果

参加 ALA 的 LibLearnX 以促进该领域的教育发展

Attending ALA’s LibLearnX for Educational Growth in the Field

发布时间:2024 年 1 月 29 日,作者:Shannon Broden [image:21742] 2024 年 1 月,在 SJSU iSchool 旅行补助金的帮助下,我前往马里兰州巴尔的摩的 ALA LibLearnX。虽然我参加的部分原因是参加小组演讲,但我也有机会建立人脉并参加编程,以加强我在课堂外对该领域的教育。阅读更多

新葛兰西主义者对世界的看法正确(和错误)

What neo-Gramscians get right (and wrong) about the world

乔纳森·帕斯 (Jonathan Pass) 反思了正在崩溃的自由国际秩序,以及新葛兰西思想在多大程度上帮助我们理解它。2022 年 11 月 4 日,华盛顿特区,浓雾笼罩着美国众议院后面的美国国会大厦圆顶。照片由 Samuel Corum/Getty Images 拍摄主流国际关系学者将当代全球动荡归咎于正在崩溃的自由国际秩序 (LIO)。新葛兰西主义者将动荡归咎于“全球有机危机”。在这篇博文中,我以我的国际事务文章为基础,批判性地分析了新葛兰西思想。我认为,LIO 的崩溃和“全球有机危机”实际上是美国世界霸权和它在全球范围内支持的新自由主义霸权项目所遭受的更深层次的结构性危机的表现。新葛兰

AAAI 秋季研讨会:Patrícia Alves-Oliveira 谈人机交互设计

AAAI Fall Symposium: Patrícia Alves-Oliveira on human-robot interaction design

Anton Grabolle / Better Images of AI / 人机协作 / CC-BY 4.0 许可 AAAI 秋季研讨会系列在美国阿灵顿举行,包括七个不同的研讨会。其中之一,第十届人机交互人工智能 (AI-HRI) 研讨会以现场/在线混合活动的形式举办,我们收听了 […]

UNN 科学家改进了用于诊断衰老速度的神经网络

Нейросеть для диагностики скорости старения усовершенствовали учёные ННГУ

罗巴切夫斯基大学的科学家改进了用于诊断衰老速度的神经网络。新的免疫时钟模型被称为SImAge(小免疫年龄)。它建立在 FT-Transformer 深度神经网络的基础上。

使用SynthId

Identifying AI-generated images with SynthID

新工具有助于水印并识别Imagen创建的合成图像

使用 SynthID 识别 AI 生成的图像

Identifying AI-generated images with SynthID

新工具有助于为 Imagen 创建的合成图像添加水印和识别

使用SynthId

Identifying AI-generated images with SynthID

新工具有助于水印并识别Imagen创建的合成图像

使用SynthId

Identifying AI-generated images with SynthID

新工具有助于水印并识别Imagen创建的合成图像

使用SynthId

Identifying AI-generated images with SynthID

新工具有助于水印并识别Imagen创建的合成图像

[更新] 与大型语言模型和机器人相关的资源、文章和意见列表

[UPDATE] A list of resources, articles, and opinion pieces relating to large language models & robotics

Teresa Berndtsson / Better Images of AI / Letter Word Text Taxonomy / 获得 CC-BY 4.0 许可。我们收集了一些与大型语言模型 (LLM) 相关的文章、观点文章、视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表以添加任何其他资源 […]

美国航空将于 11 月开始波音 737 MAX 飞行员培训 - Aero World

American Airlines To Begin Boeing 737 MAX Pilot Training In November - Aero World

美国航空表示,该航空公司计划在今年 11 月晚些时候为其飞行员进行波音 737 MAX 培训。不过,波音 737 MAX 仍在接受美国联邦航空管理局(FAA)以及世界其他民航当局的审查。在 CNBC 看到的一张飞行员表情包中,飞行训练规划和调度总监 Ameya Kingaonkar 表示:“随着我们的 B737 MAX 飞机计划在不久的将来恢复服务,我们将开始为我们的 B737 飞行员进行 B737 MAX 特殊训练。”照片:Getty Images 目前,所有美国波音 737 MAX 喷气式飞机都停在塔尔萨进行长期存储,因为它在 2019 年 3 月发生两起致命坠机事故后停飞。如果一切按计划

加拿大航空波音 737 MAX 遭遇飞行中发动机关闭,被迫改道 - Aero World

Air Canada Boeing 737 MAX Suffers Inflight Engine Shutdown, Forced to Divert - Aero World

飞机正在进行定位飞行。图片:Getty Images加拿大航空一架波音 737-8 MAX 在 12 月 22 日的定位飞行中出现发动机问题。这架飞机自今年 2 月起被存放在亚利桑那州的沙漠中。这架波音 737 MAX 注册号为 C-FSNQ,正在执行 AC-2358 航班,从 Pinal Airpark Marana 飞往蒙特利尔,机上有 3 名机组人员。在 39,000 英尺的高度,机组报告左侧发动机液压低压指示。此后不久,在收到燃油不平衡指示后,机组决定关闭左发动机。此后,机组宣布 PAN PAN 并转向图森国际机场。飞机起飞约 80 分钟后安全着陆。

突发新闻:波音 737 MAX 获准再次飞行 - Aero World

Breaking: Boeing 737 MAX Gets Approval To Fly Again - Aero World

波音 737 MAX 获准复飞。照片:Getty Images波音 737 Max 现已获准复飞,此前,该飞机曾于 2019 年 3 月发生两起致命坠机事故,随后被禁飞 20 个月零 6 天。上周,美国联邦航空局局长史蒂夫·迪克森 (Steve Dickson) 表示,该机构正处于对问题波音 737 Max 进行修改的最后审查阶段,这些修改将使其能够安全重返天空。该机构将允许波音恢复交付新的 737 Max 飞机,这些飞机将进行设计更改。然而,这些新生产的 Max 喷气式飞机的适航证将由 FAA 而不是波音自己颁发。据波音公司称,这一重新认证过程已使制造商损失了 200 多亿美元。这是一个突发

每周回顾 2024 年 5 月 17 日

Weekly Review 17 May 2024

我上周在 Twitter 上发布的一些有趣链接(我也在 Mastodon、Threads、Newsmast、Bluesky 和 ​​Post 上发布了这些链接):难以与真人互动的青少年发现与人工智能互动更容易:https://futurism.com/the-byte/lonely-teens-friends-with-ai 关于使用人工智能生成的数据训练人工智能是否会导致问题的不同意见:https://www.theregister.com/2024/05/09/ai_model_collapse/ 澳大利亚正在认真对待深度伪造和其他人工智能生成的内容:https://www.techrep

IEEE 神经网络和学习系统学报,第 35 卷,第 6 期,2024 年 6 月

IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 6, June 2024

1) Editorial Special Issue on Explainable and Generalizable Deep Learning for Medical ImagingAuthor(s): Tianming Liu, Dajiang Zhu, Fei Wang, Islem Rekik, Xia Hu, Dinggang ShenPages: 7271 - 72742) Adversarial Learning Based Node-Edge Graph Attention Networks for Autism Spectrum Disorder Identificatio

了解利用未标记数据的深度学习算法,第 1 部分:自我训练

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

了解利用未标记数据的深度学习算法,第 1 部分:自我训练

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

使用 R 训练 ImageNet

Training ImageNet with R

这篇文章探讨了如何使用 TensorFlow 和 R 训练大型数据集。具体来说,我们介绍了如何下载和重新分区 ImageNet,然后使用 TensorFlow 和 Apache Spark 在分布式环境中跨多个 GPU 训练 ImageNet。