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
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 8, August 2024
1) 用于解决二元分类问题的直觉模糊随机配置网络作者：Lili Guo, Jianglan Zhu, Chenglong Zhang, Shifei Ding页数：4210 - 42192) 具有低通信资源的随机 MEMS 陀螺仪的固定时间模糊减振作者：Yu Xia, Ke Xiao, Yanang Yao, Zhibo Geng, Zsófia Lendek页数：4220 - 42333) BiFuG2-Spark：具有粒度组协作的双向模糊粒度舱并行属性约简加速器作者：Hengrong Ju, Tingting Shan, Weiping Ding, Keyu Liu, Muhammad J
Evolving Systems, Volume 15, Issue 4, August 2024
1) 通过基于聚类的表示进行时间序列异常检测作者：Elham Enayati、Reza Mortazavi……Mahmoud Moallem页数：1115 - 11362) 自适应单位分割网络 (APUNet)：一种用于解决 PDE 的局部深度学习方法作者：Idriss Barbara、Tawfik Masrour、Mohammed Hadda页数：1137 - 11583) 使用自适应对强化技术增强黑猩猩优化算法以发展用于会计利润预测的深度 LSTM 作者：Chengchen Yang、Tong Wu、Lingzhuo Zeng页数：1159 - 11784) 用于支持普适边缘应用的同质迁移
在计算化学中，分子通常表示为分子图，必须将其转换为多维向量才能进行处理，特别是在机器学习应用中。这是使用将分子结构编码为向量的分子指纹特征提取算法实现的。这些指纹对于化学信息学中的任务至关重要，例如化学空间多样性、聚类、虚拟筛选、Scikit-fingerprints：用于高效分子指纹计算和与机器学习管道集成的高级 Python 库首先出现在 AI Quantum Intelligence 上。
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
An Off-Beat Approach to Train-Test-Validation Split Your Dataset
确保小数据集分割的分布完整性使用 Microsoft Designer 生成我们都需要对总体进行抽样，以进行统计分析并获得见解。当我们这样做时，目的是确保样本的分布与总体的分布紧密匹配。为此，我们有各种方法：简单随机抽样（其中每个总体成员都有相同的被选中的机会）、分层抽样（包括将总体划分为子组并从每个子组中抽样）、聚类抽样（其中将总体划分为簇并随机选择整个簇）、系统抽样（包括选择总体的每第 n 个成员）等。每种方法都有其优势，并根据研究的特定需求和特点进行选择。在本文中，我们不会关注抽样方法本身，而是关注使用这些概念将用于机器学习方法的数据集拆分为训练-测试-验证集。这些方法适用于所有类型的表
Why Clustering Fails. And how to fix it | by Ryan Feather | Jul, 2024
以及如何解决它 您遇到了数据解释问题，因此尝试了聚类。现在您遇到了聚类解释问题！怀疑数据中可能存在模式。合理的是，希望通过无监督学习添加一些结构会带来一些见解。集群是查找帖子“为什么聚类失败。以及如何解决它”的首选工具 | 作者 Ryan Feather | 2024 年 7 月首次出现在 AI Quantum Intelligence 上。
比较不同方法对同人蝎 Tityus stigmurus (Thorell, 1876) 发育阶段的估计。摘要确定发育阶段是监测具有医学重要性的节肢动物种群的重要工具，包括一些蝎子物种。因此，蝎子发育阶段的预测工具可能为公共卫生提供有用的信息。因此，本研究比较了不同方法来估计在圣保罗收集的外来和具有医学重要性的蝎子物种 Tityus stigmurus 的发育阶段。我们测试了以下形态测量方法的适用性：分组（K 均值和 Ward 法）、理论和分布频率，用于野外捕获的 T. stigmurus 个体的龄期估计。这些方法在 5 龄期之前显示出相似的结果。我们的结果证实了文献中关于层次聚类方法在确定样本
GPT for SEO Content Writing: Step-by-Step for Creating a Blog Post Article
什么是 SEO & Blog Writer Pro GPT？ SEO & Blog Writer Pro 是一个定制的 GPT，专门用于创建博客文章内容、评估现有博客内容以及进行关键字研究和聚类。它是作家和博主工具包中的专用工具。与标准聊天的一般对话能力不同... 阅读更多
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 Fuzzy Systems, Volume 32, Issue 6, June 2024
1) 以人为本的模糊最佳最差群体决策过程综述作者：Yanlin Li, Yung Po Tsang, Carman Ka Man Lee, Zhen-Song Chen页数：3302 - 33182) 具有停留时间的互联切换非线性系统的自适应模糊最优控制作者：Licheng Zheng, Junhe Liu, C. L. Philip Chen, Yun Zhang, Ci Chen, Zongze Wu, Zhi Liu页数：3319 - 33283) 分层演化模糊系统：一种多维混沌时间序列在线预测方法作者：Lei Hu, Xinghan Xu, Weijie Ren, Min Han页数：
How to get started with machine learning
为什么重要：机器学习是人工智能的一个分支，涉及可以从数据中学习的算法的构建和研究。这些算法可用于对未来事件进行预测或将数据聚类成组。
Instrumental Variables in Practical Application
我一直对 Alwyn Young 的论文《无推理的一致性：工具变量在实际应用中》很感兴趣。在线附录。很高兴看到它现在发表在《欧洲经济评论》上。请注意非白色干扰的关键作用。引言：经济学界正处于一场“可信度革命”（Angrist 和 Pischke 2010）中，其中精心的研究设计已牢固确立为应用工作的必要特征。这场革命的一个关键要素是使用工具来识别因果关系，而不受内生普通最小二乘回归量的潜在偏差的影响。然而，对研究设计的日益重视并没有与对推理质量的同等要求齐头并进。尽管 Eicker (1963)-Hinkley (1977)-White (1980) 异方差稳健协方差估计及其聚类扩展被广泛使用
Deep Recurrent Neural Nets with Long Short Term Memory
再次。LTSM 可能正在成为循环 NN 建模中的大问题。我之前写过博客（例如这里），但我仍然不太了解它。有人了解吗？也许它只是一种避免消失梯度问题的手段（并不是说这并不重要）；也许它更重要。这篇新论文写得很好，突出介绍了 LSTM。DONUT 集成组合预测方法作者：Lars Lien Ankile；Kjartan Krange摘要：本文提出了一种集成预测方法，通过减少特征和模型选择假设，在 M4Competition 数据集上显示出强劲的结果，称为 DONUT（不使用人类假设）。我们的假设减少主要由自动生成的特征和更多样化的集成模型池组成，其表现明显优于 Montero-Manso 等人（20
В Promobot создали первую в мире диалоговую систему для робота. Она может работать офлайн
俄罗斯机器人制造商和斯科尔科沃基金会的驻地 - Promobot 公司 - 展示了同名服务机器人的对话系统。在此之前，机器人使用语言基础（即问答系统）进行交流，但现在它们将能够自由识别查询，根据给定主题进行聚类，并使用神经网络生成答案。
Vladimir Vapnik: Predicates, Invariants, and the Essence of Intelligence
Vladimir Vapnik 是支持向量机、支持向量聚类、VC 理论和统计学习中许多基础思想的共同发明者。他出生于苏联，曾在莫斯科控制科学研究所工作，后来在美国工作，在 AT&T、NEC 实验室、Facebook AI 研究中心工作，现在是哥伦比亚大学的教授。他的作品已被引用超过 200,000 次。此对话是人工智能播客的一部分。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜
Vladimir Vapnik: Statistical Learning
Vladimir Vapnik 是支持向量机、支持向量聚类、VC 理论和统计学习中许多基础思想的共同发明者。他的作品已被引用超过 170,000 次。他对人工智能和学习的本质有一些非常有趣的想法，尤其是关于我们当前方法的局限性和该领域的未解决的问题。视频版本可在 YouTube 上找到。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。
好了，我们到了——已经是六月了。以下是我的阅读建议：Abadie, A., S. Athey, G. Imbens, & J. Wooldridge, 2017. 何时应调整聚类的标准误差？Mimeo。Berk, R., A. Buja, L. Brown, E. George, A. K. Kuchibhotla, W. Su, & L, Shazo, 2019. 假设精益回归。American Statistician，即将出版。Ghosh, T., M. Ghosh, & T. Kubokawa, 2019. 论最小二乘估计量的损失稳健性，American Statistician，即将
