IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 4, April 2024
1) 特邀编辑：图的深度神经网络：理论、模型、算法和应用作者：Ming Li、Alessio Micheli、Yu Guan Wang、Shirui Pan、Pietro Lió、Giorgio Stefano Gnecco、Marcello Sanguineti页数：4367 - 43722) 正则化理论背景下的谱图卷积神经网络作者：Asif Salim、S. Sumitra页数：4373 - 43843) 赋能简单图卷积网络作者：Luca Pasa、Nicolò Navarin、Wolfgang Erb、Alessandro Sperduti页数：4385 - 43994) 通过面积正则球
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
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
Learning System Innovation with Dan McClure and Jenny Wilde
Dan McClure 和 Jenny Wilde 是系统创新专家，他们在创新生态系统中一起工作。他们与主持人 Mike Palmer 一起谈论学习生态系统、大思维和系统思维的新兴趋势。我们了解了 Dan 和 Jenny 各自如何参与他们的实践，以及是什么促使他们创立了创新生态系统。从那里，我们了解到系统思维如何在危机应对和产品创新中实现创新的现实例子。我们最后思考了系统创新如何帮助发展学习干预措施，以及教育如何成为重新构建问题和开放思想以接受这种新思维方式的好处的关键。订阅 Trending in Education，无论您在哪里获取播客。访问我们的 TrendinginEd.com，了解有
Система машинного обучения распознает речь и объекты
麻省理工学院的科学家开发了一种系统，可以根据图像的口头描述来学习识别图像中的对象。考虑到图像本身和音频伴奏，模型将实时突出显示图片中当前描述的对象和区域。
Wireless curveballs could teach radio waves to dodge obstacles
普林斯顿工程师开发了一个机器学习系统，该系统在障碍物周围弯曲超高频率信号，为更快，更可靠的无线网络铺平了道路。想象一下，走在书架后面，突然失去了互联网连接。这是科学家进入亚特拉赫兹频率的挑战 - 欧特拉氏菌信号的数据可能比今天的无线曲线弯曲可以教导无线电浪潮躲避障碍的近十倍。
What Agentic AI Can Do For Learning And Development
在L＆D中探索代理AI的潜力。了解它如何为智能学习系统，AI驱动的员工培训提供动力，并构建未来的L＆D，该帖子首次发表在电子学习行业上。
The 8-Step Troubleshooting Model For eLearning
8步故障排除模型提供了一种结构化方法来识别和解决电子学习系统中的问题。该帖子首先在电子学习行业上发表。
Apple Workshop on Human-Centered Machine Learning 2024
一种以人为本的机器学习方法（HCML）涉及设计ML机器学习和AI技术，以优先考虑使用它的人的需求和价值。这导致AI补充并增强了人类能力，而不是更换它们。 HCML领域的研究包括开发透明且可解释的机器学习系统，以帮助人们使用AI更安全，以及预测和预测技术的潜在负面社会影响的策略。以人为中心的方法与我们关注负责人AI相一致的方法…
Ethical Intelligence In Learning: A Strategic Guide For Responsible L&D [eBook Launch]
下载此电子书，以发现如何通过内容，而且通过经过验证的方法将道德智能嵌入学习系统中。这篇文章首次发表在电子学习行业上。
AXLearn: Modular Large Model Training on Heterogeneous Infrastructure
我们设计和实施Axlearn，这是一种生产深度学习系统，可促进大型深度学习模型的可扩展和高性能培训。与其他最先进的深度学习系统相比，Axlearn独特着重于模块化和对异质硬件基础架构的支持。 Axlearn在软件组件之间的内部接口遵循严格的封装，从而可以组装不同的组件，以促进对异质计算基础架构的快速模型开发和实验。我们引入了一种新颖的方法，可以通过…
这是新世界吗？几天前，我还收到了另一封关于航空安全的信件。这是在Delta Check Airman表达他担心Delta已将其A330手册更改为FCOM的情况下的担忧之后不久的。 FCOM是将所有手册汇编成一本，其中很难访问信息。有人告诉我，该公司所做的一切都是提供一些在线信息，并计划培训所有人在重复进行时如何使用它。令人担忧的是，那些在9个月内再也看不到经常性的人将使用他们尚未接受过培训的产品。我在A350上首次使用FCOM，并且导航手册比学习系统更加困难。向我提供的解释是，我们应该根据我们的知识水平选择标签。如果您知道很多，请选择一个选项卡以获取缩写信息。如果您的平均知识，可以选择一个提供
New Research Reveals the Brain Learns Differently Than We Thought
研究提供了有关大脑如何形成习惯的新见解，并解释了为什么它们很难破裂。 UCL塞恩斯伯里惠康中心（SWC）的神经科学家发现，大脑使用两个不同的系统通过反复试验来学习。这是第一次学习系统是[...]
The ROI Of No-Code Automation In L&D: Metrics That Matter In 2025
发现无代码L＆D自动化如何支持数字化转型，提高保留率，并建立了敏捷，可持续的学习系统，以取得长期成功。该帖子首次发表在电子学习行业上。
Top eLearning Data Collection Metrics To Track For Better Outcomes
本文说明了培训经理和L＆D领导者如何促进自动电子学习系统数据收集和分析。该帖子首次在电子学习行业上发表。
Fixing Diffusion Models’ Limited Understanding of Mirrors and Reflections
自从生成AI开始引起公共利益以来，计算机视觉研究领域已加深了其对能够理解和复制物理定律的AI模型的兴趣。然而，教学机器学习系统模拟重力和液体动力学等现象的挑战一直是研究工作的重点，即[…]固定扩散模型对镜像和反射的有限理解的有限理解，首先是在unite.ai上出现的。
Watch eerie video of humanoid robot 'army' marching naturally, thanks to a major AI upgrade
图02的类人的步态是公司模拟的强化学习系统的产物，这只是使机器人更自然地执行物理任务的计划的开始。
