How Tiny Neural Networks Represent Basic Functions
通过简单的算法示例对机械可解释性进行简单介绍简介本文展示了小型人工神经网络 (NN) 如何表示基本功能。目标是提供有关 NN 工作原理的基本直觉，并作为机械可解释性的简单介绍——该领域旨在对 NN 进行逆向工程。我提供了三个基本函数的示例，使用简单的算法描述了每个函数，并展示了如何将算法“编码”到神经网络的权重中。然后，我探索网络是否可以使用反向传播来学习算法。我鼓励读者将每个示例视为一个谜语，并在阅读解决方案之前花一点时间。机器学习拓扑本文尝试将 NN 分解为离散操作并将其描述为算法。另一种方法可能更常见、更自然，即研究不同层中线性变换的连续拓扑解释。以下是一些有助于增强拓扑直觉的优秀资源：
Religion Matters for Economic Growth through Various Channels
宗教是一种普遍存在的社会现象，它可以通过影响宏观经济生产函数的四个要素（物质资本、人力资本、人口/劳动力和全要素生产率）来刺激或削弱经济增长。
机器学习取得了重大进展，特别是通过深度学习技术。这些进步在很大程度上依赖于优化算法来训练各种任务的大规模模型，包括语言处理和图像分类。这个过程的核心是最小化复杂、非凸损失函数的挑战。优化算法，如随机梯度下降 (SGD) 及其帖子 Apple 的这篇 AI 论文介绍了 AdEMAMix：一种利用双指数移动平均线来提高梯度效率和提高大规模模型训练性能的新型优化方法首先出现在 AI Quantum Intelligence 上。
How empirical is ’empirical’ macroeconomics?
来自 Lars Syll 乍一看，DSGE 模型似乎意味着完全无知，因为具有客观效用函数的代表性代理（或具有有限异质性的代理代表性群体）充斥着文献。然而，再看一眼，就会发现“方法论个人主义”占主导地位，甚至占据主导地位。要理解这种主导地位，只需 […]
Step-by-Step Guide to Creating Simulated Data in Python
一个适合初学者的教程，教你如何生成自己的数据进行分析和测试照片由 Alexandru-Bogdan Ghita 在 Unsplash 上拍摄想象一下，你刚刚编写了一个机器学习模型，需要在特定场景中对其进行测试，或者你正在发布一篇关于自定义数据科学解决方案的学术论文，但可用的数据集有版权限制。另一方面，你可能正处于机器学习项目的调试和故障排除阶段，需要数据来识别和解决问题。所有这些情况，以及更多情况，都可以从使用模拟数据中受益。通常，现实世界的数据并不容易获得、昂贵或私密。因此，创建合成数据对数据科学从业者和专业人士来说是一项有用的技能。在本文中，我介绍了一些使用 Python 从头开始创建
应用计量经济学和国际发展文章目前可在以下网站免费下载。https://www.usc.gal/economet/aeid.htm（我们大学（USC）的网站于 2020 年更新）https://ideas.repec.org/s/eaa/aeinde.html（Ideas.Repec 网站）https://euroamericanassociation.blogspot.com（AEID 和 RSES 英文博客）Dialnet 第 41 条，作者：西班牙计量经济学教授 Maria-Carmen Guisan AEID 指数 2021-2024（附有 Ideas.Repec 免费 pdf 版本的链
给定一个由输入/输出对组成的数据集，如何找到与数据一致的小 DNF？这个问题称为 DNF 最小化，在计算机科学史上以各种形式出现。在这篇由两部分组成的博客文章中，我将调查一些关于这个问题的复杂性的结果以及与学习 DNF 的一些联系。历史和动机。几十年来，DNF 最小化一直是逻辑综合界的核心问题。在这个领域，这个问题被称为“两级逻辑综合”。它有着悠久的历史，可以追溯到 1952 年奎因写的一篇名为“简化真值函数的问题”的论文。奎因的论文在某种程度上是对香农硕士论文“继电器和开关电路的符号分析”的回应，该论文将布尔代数引入了电路设计的研究。奎因对以下问题感兴趣。给定一个布尔函数（作为真值表），找到
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
Rowena Ball 教授在澳大利亚国立大学教授一门关于本土数学的课程。埃默里大学经济学教授 Caroline Fohlin 教授因遭到暴动警察的袭击而被捕。Tim Garrett 教授质疑总生产函数中的计量单位。总生产函数不是自然法则，那些不属于一门不完善学科的人不应该被计量单位的问题所困扰。也许一些生产函数作为 Leontief 生产函数的线性组合的极限情况是有意义的。Daniel Kahneman 去世了。Deirde McCloskey 断言劳动价值论是错误的，没有令人信服的论据。你认为资本的边际产量是用什么单位来衡量的？Andy Merrifield 在《每月评论》上发表了一篇文章
本文是我写的关于量子谐振子的文章系列的第四部分。如果你还没有读过第一部分：量子谐振子简介、第二部分：带有无量纲项的薛定谔方程和第三部分：渐近解，那么你就无法理解我将在本文中解释的内容，所以阅读这些文章是必须的。好吧……事不宜迟，我们开始吧……本文的目标是通过寻找级数解来找到谐振子的通解。从我上一篇文章的第 7 个方程中，我们得到了一个表达式，为了求解这个问题的薛定谔方程，我们希望明确地建立在上一篇文章中建立的 ψ 的指数渐近行为的知识。所以，有一种方法可以做到这一点，那就是假设可以表示为两个函数的乘积，一个函数具有波函数的渐近行为，另一个函数是未知函数，我们称之为 H(ξ)。我们可以这样表达我
这篇文章是我写的关于量子谐振子系列文章的第三部分。如果你还没有读过第一部分：量子谐振子简介和第二部分：带有无量纲项的薛定谔方程，那么你就无法理解我将在本文中解释的内容，所以阅读这些文章是必须的。此外，这篇文章有点技术性，而且数学性更强，因此，掌握微积分和方程解的知识是继续下去的必要技能。好的，那么......让我们开始驯服这头野兽吧......在我之前关于带有无量纲项的薛定谔方程的文章中，我们得出了一个漂亮的方程，即带有两个无量纲变量的薛定谔方程（参见我第二部分文章中的方程 11）。我们将在这里使用这个方程。我们的任务是求解该方程中的 ψ(ξ)，然后通过替换将解还原到 x 空间，ξ = αx
PUBLICATION NOTICE: Improved Vehicle Mobility by Using Terrain Surfacing Systems
摘要：即使对于设计具有卓越越野能力的军用车辆来说，有问题的土壤条件也会阻碍其机动性，特别是当许多车辆需要穿越同一条路径时。抗剪强度小的松散沙子或承载能力小的湿淤泥或粘土在交通情况下会迅速变形。美国陆军工程研究与发展中心的研究人员在多种地形条件下进行了现场测试，以测量旨在提高车辆机动性的地形铺装系统的性能。土壤条件包括级配不良的沙子、中等强度的淤泥、软弱的沼泽和两种不同的坡度条件。测试了五种不同的地形表面或垫子系统，其中包括四种商业变体和一种美国政府设计。所有测试均在密西西比州维克斯堡的 ERDC 地面车辆地形铺装测试设施进行。军用测试车辆包括海军陆战队战术车辆替换车、通用桥式运输车和 M1 艾
Experimenting with autoregressive flows in TensorFlow Probability
继最近对 TensorFlow Probability (TFP) 中的双射函数的介绍之后，这篇文章将自回归引入了讨论。通过新的 R 包 tfprobability 使用 TFP，我们研究了掩蔽自回归流 (MAF) 的实现，并将其用于两个不同的数据集。
Non-linear Activation Functions for Neural Networks Simplified
激活函数是形成神经元输出的函数。它为预测添加了非线性，并使基于神经网络的预测器比线性模型好得多。我们通常会问自己应该使用哪种激活函数？答案是，这个问题没有一个万能的答案。这取决于具体情况。让我带您了解最常用的激活函数及其优缺点，以帮助您做出更好的决定。我们可以定义自己的激活函数以最好地满足我们的需求，最常用的激活函数是：1. S 型激活函数 2. Tan 双曲激活函数 3. ReLU（整流线性单元） 4. Leaky ReLU 它们每个的样子如下：图片来源：DeepLearning.ai 专业化 1. S 型激活函数 S 型激活函数的范围在 0 到 1 之间。它看起来像我们在不同研究领域中看到
以下是本月推荐阅读的精选：Athey, S. & G. W. Imbens，2019 年。经济学家应该了解的机器学习方法。Mimeo。Bhagwat, P. & E. Marchand，2019 年。关于适当的贝叶斯但不可接受的估计量。美国统计学家，在线。Canals, C. & A. Canals，2019 年。什么时候 n 足够大？寻找合适的样本量来估计比例。《统计计算与模拟杂志》，89，1887-1898。Cavaliere, G. & A. Rahbek，2019 年。时间序列模型中假设的引导检验入门：应用于双自回归模型。讨论文件 19-03，哥本哈根大学经济学系。Chudik, A.
这是我最新的也是最终的建议阅读书单：Bellego, C. 和 L-D. Pape，2019 年。处理回归模型中的零对数。CREST 工作文件 No. 2019-13。Castle, J. L.、J. A. Doornik 和 D. F. Hendry，2018 年。选择预测模型。牛津大学经济学系，讨论文件 861。Gorajek, A.，2019 年。善意的经济学家。澳大利亚储备银行，研究讨论文件 RDP 2019-08。Güriş, B.，2019 年。一种新的具有傅立叶函数的非线性单位根检验。统计通信 - 模拟和计算，48，3056-3062。Maudlin, T.，2019 年。世界的
Ziro – новый детский робот-конструктор с ручным управлением (+ видео)
来认识一下 Ziro，这是一个机器人套件，可让您使用多个电机、智能手机、手套和想象力来创造各种车辆。标准 Ziro 套件包括四个无线控制电动机和足够的其他组件来构建小型汽车。构造函数的原型已经很好地证明了自己。
Statistical models of radar cross section fluctuations of small-sized unmanned aerial vehicles
本文介绍了描述各种小型无人机雷达截面波动的统计模型研究。结果通过对雷达后向散射图进行全尺寸测量和统计分析获得。确定伽马、威布尔、对数正态和指数分布可确保最准确地近似无人机雷达后向散射图的直方图。给出了近似概率密度函数的参数值及其物理解释。
