IEEE Transactions on Evolutionary Computation, Volume 28, Number 5, October 2024
1) 基于自编码器编码策略的粒子群优化算法高效演化深度卷积神经网络作者：；袁公林, 王斌, 薛冰, 张梦洁页数：1190 - 12042) 基于条件生成对抗网络的双层进化多目标优化算法作者：；王伟忠, 刘海林页数：1205 - 12193) 进化聚类有理论保证吗？作者：；钱超页数：1220 - 12344) 基于词汇表选择的遗传编程用于大规模动态灵活作业车间调度作者：；徐萌, 梅懿, 张芳芳, 张梦洁页数: 1235 - 12495) 约束进化优化中基于相关性的适应度评估动态分配方案作者:; 黄涵, 徐月婷, 项逸, 郝志峰页数: 1250 - 12646) 随时间变化的稳健优化：评论作者:;
Vibrant Michigan City propels economic inclusive playbook
印第安纳州密歇根城 — 活力密歇根城计划是国家增长和发展的平台，是新经济包容性策略的一部分。布鲁金斯学会和 LISC 的合著者在华盛顿特区公布了“推进农村城镇包容性发展”计划，该计划是在印第安纳州三个城镇的计划中收集的研究、发现和结果之后提出的：[...] 活力密歇根城推动经济包容性策略一文首先出现在印第安纳州密歇根城经济发展公司。
Reinforcement Learning, Part 8: Feature State Construction
通过将状态特征巧妙地纳入学习目标来增强线性方法强化学习是机器学习的一个领域，它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其行为中学习，从而获得奖励。强化学习是一个具有挑战性的话题，与机器学习的其他领域有很大不同。强化学习的显著之处在于，可以使用相同的算法使代理适应完全不同、未知和复杂的条件。关于本文在第 7 部分中，我们介绍了可扩展标准表格方法的值函数近似算法。除此之外，我们特别关注了一个非常重要的情况，即近似值函数是线性的。我们发现，线性保证了收敛到全局最优值或 TD 不动点（在半梯度方法中）。问题是，有时我们可能希望使用更复杂的近似值函数，而不仅仅是简单的标量积，而不离开
我早就应该订阅 Matt Levine 的新闻通讯了；我终于订阅了。他对 Spotify 套利策略的报道非常精彩。我不知道，伙计。我们曾多次谈论过 Mango Markets 的 Avi Eisenberg，他发现了一个可操纵的加密货币市场，操纵了它，赚了数千万美元，被捕后为自己辩护，称自己是一名“应用博弈论者”，发现了市场允许的一笔好交易，并被判有罪，因为没人愿意听到这样的辩护。6
Classroom Instruction Resources Of The Week
每周，我都会发布一篇或两篇文章，其中包含三到四个关于课堂教学的特别有用的资源，您可以在这里看到它们。您还可以在此处查看我关于教学策略的所有“最佳”列表。以下是本周的选择：我将这条推文添加到关于区分教学的最佳资源中：在 […]
Small Group Instruction as a Differentiating Strategy
小组教学和合作学习可以显著影响学生的成绩，而且由于小组教学是一种非常有效的差异化教学策略，因此在小学课堂中得到广泛应用。已经使用过这种策略的教师知道，成功实施并非一朝一夕之功。让学生为在小组中操作做好准备的工作 […] 小组教学作为一种差异化策略一文首先出现在 Discovery Education 博客上。
赞助和补充途径计划采用不同的方法将难民和其他需要国际保护的人与接收社区、赞助者或雇主进行匹配。本情况说明书确定了成功匹配策略的关键要素以及良好匹配的诸多好处。
The Six Myths of Personalization
迷思通常源于误解、过度简化或维持现状的愿望。它们也可能是故意制造的，目的是误导或操纵，成为接受创新实践或保护现有权力结构的障碍。此外，一些迷思可能源于对某个想法或策略的善意但不准确的假设或概括。许多关于个性化学习的误解导致了许多迷思的形成。在我解决这些问题之前，让我们首先从 Nicki Slaugh 和我在我们的书《个性化》中分享的一个现实定义开始：个性化是所有学生在需要的时间和地点获得他们需要的学习内容。我们制定的定义本质上是战略性的。它承认我们每个人的学习方式都不同，并省略了一些经常与个性化学习相关的常用词。现在让我们深入探讨在个性化方面阻碍教育工作者前进的最流行的迷思。误区 1：个性化需
Cloud security threats CISOs need to know about
在本次 Help Net Security 采访中，AlgoSec 云安全主管 Ava Chawla 讨论了 CISO 在 2024 年必须注意的最重要的云安全威胁。这些威胁包括数据泄露、配置错误、内部威胁、高级持续性威胁、勒索软件、API 漏洞和供应链漏洞。这些威胁影响着各个行业，包括金融、医疗保健和零售业，Chawla 提供了关于有效缓解策略的见解。CISO 必须了解的最重大云安全威胁是什么……更多 →CISO 需要了解的云安全威胁一文首先出现在 Help Net Security 上。
Reinforcement Learning, Part 5: Temporal-Difference Learning
智能协同动态规划和蒙特卡罗算法简介强化学习是机器学习的一个领域，它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其行为中学习，从而获得奖励。强化学习是一个具有挑战性的话题，与机器学习的其他领域有很大不同。强化学习的非凡之处在于，可以使用相同的算法使代理适应完全不同、未知和复杂的条件。注意。为了充分理解本文中的概念，强烈建议您熟悉之前文章中讨论的动态规划和蒙特卡罗方法。强化学习，第 2 部分：策略评估和改进强化学习，第 3 部分：蒙特卡罗方法关于本文在第 2 部分中，我们探索了动态规划 (DP) 方法，其中代理根据先前的计算迭代更新 V-/Q 函数及其策略，并用新的估计值替换它们。
Reinforcement Learning, Part 5: Temporal-Difference Learning | by Vyacheslav Efimov | Jul, 2024
智能协同动态规划和蒙特卡罗算法 15 分钟阅读 · 18 小时前 强化学习是机器学习的一个领域，它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其动作中学习，从而获得奖励。强化学习是强化学习，第 5 部分：时间差异学习 | 作者：Vyacheslav Efimov | 2024 年 7 月首次出现在 AI Quantum Intelligence 上。
Вор в цифре: кто они – лидеры киберпреступного мира
思科 Talos 公布了对主要勒索软件组织策略的完整分析。
Over 5000 high-risk cancer gene variants discovered
国际研究人员发现了 5000 多种肿瘤保护基因变异，这些变异可能会使人们面临更高的癌症风险，他们表示这一发现可能有助于开发治疗和预防方法。研究人员通过人工改变培养皿中的细胞来测试 BAP1 基因的遗传变化，该基因通常有助于保护身体免受各种癌症的侵害。他们说，在他们测试的 18,108 种变化中，有 5,665 种损害了该基因的保护能力，患有这些变化的人被诊断出患有癌症的可能性比普通人群高出 10% 以上。研究人员说，这一发现可以帮助医生诊断和治疗他们的患者，但他们还发现，携带有害 BAP1 变异的人血液中某种特定激素的水平更高，未来的研究应该研究这种激素是否可以作为新的预防和治疗策略的目标。
How To Craft An Effective Digital Marketing Strategy For eLearning Business Success In 2024
本文介绍了在 2024 年为您的在线学习业务构建强大的数字营销策略的关键要素。了解如何瞄准正确的受众、创建引人入胜的内容以及利用最新趋势来实现您的在线学习业务目标。这篇文章首次发表在 eLearning Industry 上。
Integrating Solar Electricity into a Fossil Fueled System
2024-06-12部署可再生能源是中国电力行业脱碳最有前景的方法。然而，风能和太阳能的间歇性和不可调度性对电网稳定性构成了重大挑战，特别是当这些能源达到高渗透率时。本研究应用机组承诺模型来研究不同场景下负荷调整策略的经济和环境绩效。
文章 Amp Up Your Teaching 首次出现在 Shake Up Learning 上。在我们的夏季学习系列的这个视频演示中，Stephanie Howell 介绍了“Amp Up Your Teaching”，这是一个包含 20 多种策略的课程，可使学习更具活力和吸引力。深入研究创新方法来吸引学生的注意力，激发他们的好奇心，培养对学习的热爱。Stephanie 将指导您完成整合继续阅读文章 Amp Up Your Teaching 首次出现在 Shake Up Learning 上。
What We Learned from a Year of Building with LLMs (Part III): Strategy
我们之前分享了我们在操作 LLM 应用程序时磨练的策略的见解。策略是细粒度的：它们是用于实现特定目标的具体行动。我们还分享了我们对运营的看法：支持战术工作以实现目标的更高级别流程。但这些目标从何而来？这是战略的领域。战略回答 […]
我没有写关于上周选举的内容，因为我觉得我已经说过了。目前，保守党至少在说一些可能巩固其老年人核心选票的言论，无论这些提议多么愚蠢、没有资金或考虑不周。但《卫报》最近发表的两篇关于投票策略的文章足够有趣，值得一写。我一直主张在英国的 FPTP 系统下进行策略性投票，因为我认为投票是一种工具性的方式（我如何实现某个目标），而不是一种表达性的方式（投票是一种自我表达）。实际上，我会更强烈地表达：在英国大选中，正确的投票方式是投票实现更好的社会（或社会群体）结果，如果你能做到这一点，但却投票给政策与你最接近的政党，那么你就有点自私、反社会和不负责任了。如果您不同意，请阅读本文并告诉我我的逻辑为何不正确
