How To Find And Close Skill Gaps In Your Organization?
应确定技能差距，以正确实施培训战略。旧的自上而下的方法容易导致效率低下。这里建议采用基于技能的学习方法，促进团队合作和点对点技能提升。本篇文章首次发表于 eLearning Industry。
A Novel Approach to Detect Coordinated Attacks Using Clustering
揭示隐藏的模式：对恶意行为进行分组聚类是无监督机器学习中的一种强大技术，它根据给定数据的固有相似性对其进行分组。与分类等依赖预先标记的数据来指导学习过程的监督学习方法不同，聚类对未标记的数据进行操作。这意味着没有预定义的类别或标签，相反，算法会在不事先知道分组应该是什么样子的情况下发现数据的底层结构。聚类的主要目标是将数据点组织成簇，其中同一簇内的数据点彼此之间的相似性高于不同簇中的数据点。这种区别使聚类算法能够形成反映数据中自然模式的组。本质上，聚类旨在最大化簇内相似性，同时最小化簇间相似性。这种技术在需要查找数据中隐藏的关系或结构的用例中特别有用，这使得它在欺诈检测和异常识别等领域很有价值
Employee Well-Being And Learning: Building A Resilient Workforce
本文探讨了学习与发展 (L&D) 专业人士如何将幸福感融入他们的培训计划，以提高参与度、生产力和保留率。通过整体学习方法探索创建更具韧性、心理健康的员工队伍的策略。本文首次发表于 eLearning Industry。
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 9, September 2024
1) GIFTWD：基于前景理论的广义直觉模糊三支决策模型作者：戴建华，陈涛，张凯，刘敦，丁伟平页数：4805 - 48192) 多尺度决策信息系统中基于直觉模糊数的前景理论三支决策方法作者：肖义斌，詹建明，张超，吴伟志页数：4820 - 48343) 一种用于时间序列数据多粒度模糊关联分析的新型三支深度学习方法作者：蒋春茂，段颖页数：4835 - 48454) 一种融合模糊偏好关系下三支聚类和遗憾理论的大规模群体决策方法作者：郭伦，詹建明，张超，徐泽水页数： 4846 - 48605) 基于模糊规则的投资组合选择系统使用技术分析作者：Ahmad Zaman Khan、Pankaj Gupta
摘要：目前尚不存在使用浅层机器学习和低密度时间序列图像进行自动训练数据生成和土地覆盖分类的近全球框架。本研究提出了一种使用 Sentinel-2 颗粒的两个日期在七个国际站点绘制九类、六类和五类土地覆盖的方法。该方法使用一系列光谱、纹理和距离决策函数与修改后的辅助层相结合来创建二进制掩码，从中生成一组平衡的训练数据应用于随机森林分类器。对于土地覆盖掩码，对反射率、光谱指数值和欧几里得距离层应用了逐步阈值调整，评估了 62 种组合。计算了全球和区域自适应阈值。使用年度 95 和 5 百分位 NDVI 合成为决策函数提供时间校正，并将这些校正与原始模型进行比较。精度评估发现，两日期土地覆盖和时间校
Leading in K12 EdTech with James Rhyu
在我们的第 9 季教育趋势中，我们邀请到了 Stride, Inc.（前身为 K12）首席执行官 James Rhyu。Stride 在教育技术领域拥有 25 年的经验，对 K-12 教育不断发展的前景提供了独特的见解。Rhyu 的职业生涯始于会计和金融，通过个人情况和偶然的工作机会进入教育行业。如今，他已在公司工作 13 年，对家庭在教育方面的需求有了深刻的理解。我们讨论了疫情如何改变了人们对在线学习的看法。虽然许多家庭在这段时间里苦苦挣扎，但它也为教育带来了新的可能性。Rhyu 强调了在这一充满挑战的时期认可教师的努力的重要性。谈话转向个性化学习和人工智能在教育中的作用。 James 告诫
Hands-On Imitation Learning: From Behavior Cloning to Multi-Modal Imitation Learning
最突出的模仿学习方法概述，并在网格环境中进行测试照片由 Possessed Photography 在 Unsplash 上拍摄强化学习是机器学习的一个分支，它涉及通过标量信号（奖励）的引导进行学习；与监督学习相反，监督学习需要目标变量的完整标签。一个直观的例子来解释强化学习，可以用一所有两个班级的学校来解释，这两个班级有两种类型的测试。第一节课解决了测试并获得了完全正确的答案（监督学习：SL）。第二节课解决了测试并只获得了每个问题的成绩（强化学习：RL）。在第一种情况下，学生似乎更容易学习正确的答案并记住它们。在第二节课中，任务更难，因为他们只能通过反复试验来学习。然而，它们的学习更加稳健，
Image classification in machine learning: A full guide (2024) | Viam
了解机器学习（包括深度学习方法）中的图像分类的工作原理。了解与物体检测的区别、如何标记图像以及如何将模型部署到您的机器上。
Deep Learning for Crop Yield Prediction (Pt.1 — Model)
提高作物产量并优化灌溉：一种深度学习方法进行多元分析继续阅读 Towards Data Science »
Talkin' About AI in Praxis?!?! with Mike Yates
在本期《教育趋势》中，我们采访了美国教育组织再造实验室的高级设计师 Mike Yates。Mike 分享了他从讨厌学校的学生到成为创新教育家和人工智能爱好者的历程。我们探讨了他在不同教育环境中的经历，包括少年拘留中心和实验学校，以及这些经历如何影响他的教学和学习方法。Mike 讨论了他目前在美国教育组织再造实验室的工作，他专注于利用人工智能和其他新兴技术来改善教育成果。我们深入探讨了生成式人工智能在教育领域的潜力，以及让学生和教育工作者都能使用这些工具的重要性。Mike 提到 Ruha Benjamin 的作品对他理解技术的前景和风险产生了影响。在整个对话过程中，Yates 强调教育工作者需要
Does Semi-Supervised Learning Help to Train Better Models?
评估半监督学习如何利用未标记数据作者提供的图片 — 使用 Bing 中的 Image Creator 创建数据科学家面临的最常见挑战之一是缺乏足够的标记数据来训练可靠且准确的模型。标记数据对于监督学习任务（例如分类或回归）至关重要。但是，在许多领域，获取标记数据可能成本高昂、耗时或不切实际。另一方面，未标记数据通常很容易收集，但它们不提供任何直接输入来训练模型。我们如何利用未标记数据来改进我们的监督学习模型？这就是半监督学习发挥作用的地方。半监督学习是机器学习的一个分支，它结合标记和未标记数据来训练一个比单独使用标记数据表现更好的模型。半监督学习背后的直觉是，未标记的数据可以提供有关数据底层结
One Platform to Rule Them All: Simplify Your Digital Learning Ecosystem
新冠疫情导致数字化学习被匆忙采用。然而，不同的工具和脱节的体验仍然影响着教学和学习体验。仔细分析现有的学习方法，可以发现临时纳入数字教育工具的几个缺点，以及它们如何影响学生的积极性和教师的效率。由于众多因素，技术挑战[...阅读更多...
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Number 9, September 2024
1) 特邀编辑：图学习专题作者：Feng Xia、Renaud Lambiotte、Neil Shah、Hanghang Tong、Irwin King页数：11630 - 116332) 用于异质图学习的置换等变图框架作者：Jianfei Li、Ruigang Zheng、Han Feng、Ming Li、Xiaosheng Zhuang页数：11634 - 116483) MARML：多层网络中基于主题感知的深度表示学习作者：Da Zhang、Mansur R. Kabuka页数：11649 - 116604) 面向极端数据稀缺的稳健图半监督学习作者：Kaize Ding、Elnaz No
Soft Computing, Volume 28, Issue 15-16, August 2024
1) AENCIC：一种基于图像复杂度估计聚类数量的方法，用于图像分割的模糊聚类算法作者：Luis Madrid-Herrera、Mario I. Chacon-Murguia、Juan A. Ramirez-Quintana页数：8561 - 85772) 基于混合元启发式算法的深度神经网络肺癌检测和分类作者：Umesh Prasad、Soumitro Chakravarty、Gyaneshwar Mahto页数：8579 - 86023) 一种新的并行蝙蝠群优化算法及其在人工选择进化 CNN 架构中的应用作者：Kanishk Bansal、Amar Singh页数：8603 - 86214
Evolving Systems. Volume 15, Issue 5, October 2024
1) 边界感知残差网络在带钢产品缺陷检测中的应用作者：胡成才，马睿……龚金南页数：1649 - 16632) 基于 YOLOX 的自然环境下茶芽检测改进模型作者：李秀桐，刘瑞欣……谢本良页数：1665 - 16793) 多目标环境下基于偏好的多智能体强化学习经验共享方案作者：左宣，张璞……刘准嘎页数：1681 - 16994) 利用阿基米德优化算法赋能非洲秃鹫优化器，实现全局优化和特征选择的最高效率作者：Reham R. Mostafa，Fatma A. Hashim……Ahmed M. Khedr页数：1701 - 17315) 一种新的特征可进化学习方法流作者：Yanfei Chen、Sa
6 个提高学习效率的技巧——信息图表 有效学习有时感觉像是一个遥不可及的目标，但只要方法得当，就会变得容易得多。如果您想改善学习习惯并提高学习成绩，这里有 6 个实用技巧可以发挥很大的作用。 6 种更聪明的学习方法 […] 文章 6 个提高学习效率的技巧首先出现在电子学习信息图表上。
TEDx Talk – Education Reimagined: Student-led Learning
您觉得我们目前的教学和学习方法对教师或学生有用吗？如果您回答“否”，我们的观点一致。正是这种信念促使我发表了 TEDx 演讲，题为“重新构想教育：学生主导的学习”。目前，我们正面临着一场教育危机，越来越多的教师 […]TEDx 演讲 - 重新构想教育：学生主导的学习首先出现在 Catlin Tucker 博士身上。
