IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 7, July 2024
1) 联邦学习中的隐私和稳健性：攻击与防御作者：Lingjuan Lyu、Han Yu、Xingjun Ma、Chen Chen、Lichao Sun、Jun Zhao、Qiang Yang、Philip S. Yu页数：8726 - 87462) 测量解缠：指标回顾作者：Marc-André Carbonneau、Julian Zaïdi、Jonathan Boilard、Ghyslain Gagnon页数：8747 - 87613) 深度强化学习中的探索：从单智能体到多智能体领域作者：Jianye Hao、Tianpei Yang、Hongyao Tang、Chenjia Bai、Jiny
How to Test Machine Learning Systems
从概念到实用的代码片段，实现有效测试图片来自作者软件开发中的测试至关重要，因为它可以保证交付给客户的价值。交付成功的产品不是一次性的努力；而是一个持续的过程。为了确保持续交付，我们必须定义成功，整理数据，然后训练和部署我们的模型，同时持续监控和测试我们的工作。为了持续交付，我们必须定义成功，整理数据，然后训练和部署我们的模型，同时持续监控和测试我们的工作。机器学习系统中的“信任”不仅仅需要测试；它必须集成到整个生命周期中（如我的另一篇博客所示）。TRUST 的机器学习流程可以在“如何以合理的方式在机器学习中构建 TRUST”中描述（图片来自作者）。在深入讨论详细部分之前，这里有一个简短的 TL
Spotlight: Feeding Your Machine Learning System With Good Data
Om nom nom — 您为机器学习 (ML) 系统提供什么？处于通信技术和网络安全十字路口的 NIST 研究人员正在研究这个问题。在最基本的层面上，机器学习的作用与消化系统的作用相同
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。
对量子技术的期望很高，科学的新论文报告了验证的量子优势。在一个实验中，纠缠的光已使研究人员能够在几乎没有测量的情况下学习系统的噪声。
Learn To Fly Brings CASA-Aligned Digital Training to Australia with Evionica
数十年来，澳大利亚有抱负的飞行员通过静态教科书和过时的学习系统学习了理论。今天发生了变化。学会墨尔本与欧洲电子学习先驱Evionica合作，将真正的现代，与CASA一致的数字培训带到澳大利亚市场，这是该地区的首次。到目前为止，许多理论[…]一种现代的试点培训方法，该帖子学会了将CASA一致的数字培训带到澳大利亚，而Evionica则首先出现在学习飞行墨尔本。
Trending in Ed Season 10 Kickoff | 8 Trends for Fall 2025 | Gartner Hype Cycle with Nancy
在埃德（Ed）的趋势又回来了第10季！迈克·帕尔默（Mike Palmer）通过思考过去的九个赛季并分享秋季的商店，从而开始了事情。我们很高兴地宣布，播客将为希望深入了解AI，K-12，高等教育 /工作的未来以及有关书籍的作者采访等特定主题的听众提供专门的供稿。在这一开球情节中，迈克分享了他在2025年秋季的八个趋势：独立媒体与言论自由：强调独立媒体的重要性，并呼吁在主流和广播媒体中对言论自由的“令人毛骨悚然的效果”。辨别力：在信息超负荷世界中找到“噪声中的信号”并过滤错误信息的能力。 AI灵巧：专注于人们可以用AI做什么，而不是AI可以为他们做的事情，这是Mike Yates创造的短语。
LMS Artificial Intelligence: How To Improve eLearning With AI
AI集成到LMSS可以产生个性化的学习，可扩展的内容创建，实时支持，预测性干预和深入见解。首先要从战略工具来指导您走向有效，防止未来的电子学习的道路。该帖子首次在电子学习行业上发表。 增加员工与BPM集成学习系统的互动。发现自动化，AI和Ex如何塑造个性化学习的未来。该帖子首次在电子学习行业上发表。 本文探讨了如何将AI与脚手架，块状和近端开发区（ZPD）整合在一起，可以使公司学习对ESL员工的易于访问和有效。这篇文章首先在Elearning行业上发表。 您准备好与AI合作为L＆D合作吗？该终极指南具有建立基于共享价值的AI合作伙伴关系所需的所有信息。该帖子首次在电子学习行业上发表。
The ESL ID Edge: AI, Scaffolding, And The Zone Of Proximal Development
增加员工与BPM集成学习系统的互动。发现自动化，AI和Ex如何塑造个性化学习的未来。该帖子首次在电子学习行业上发表。
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。
