IEEE Transactions on Fuzzy Systems, Volume 32, Issue 11, November 2024
1) 在多创新背景下的在线主动学习，用于不断发展的误差反馈模糊模型作者：Edwin Lughofer、Igor Škrjanc页数：5998 - 60112) 具有输入饱和的非线性系统的灵活规定性能输出反馈控制作者：Yangang Yao、Yu Kang、Yunbo Zhao、Pengfei Li、Jieqing Tan页数：6012 - 60223) 通过动态事件对具有未知控制系数的 p-正态系统进行自适应模糊预定性能控制作者：Qidong Li、Changchun Hua、Kuo Li、Hao Li页数：6023 - 60344) 离散时间非线性复杂网络的模糊结构自适应最优控制的强化学习作
最近发表在《科学进展》上的一项研究揭示了哺乳动物姿势的复杂进化，揭示了从爬行到直立运动的非线性转变。哈佛大学的研究人员使用先进的生物力学模型和化石数据分析了 3 亿年来的各种合弓纲物种，包括著名的祖先，如异齿龙和灰蝶。他们的研究结果表明，这种进化转变错综复杂，发生的时间比以前认为的要晚，一些物种表现出类似于现代鳄鱼的肢体姿势灵活性。
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 10, October 2024
1) 基于 Transformer 的计算机视觉生成对抗网络：综合调查作者：Shiv Ram Dubey、Satish Kumar Singh页数：4851 - 48672) 数据驱动技术在智能家居社区规划、需求侧管理和网络安全中的应用作者：Dipanshu Naware、Arghya Mitra页数：4868 - 48833) 针对物体检测系统的中间人攻击作者：Han Wu、Sareh Rowlands、Johan Wahlström页数：4884 - 48924) 夜间色热语义分割的测试时间自适应作者：Yexin Liu、Weiming Zhang、Guoyang Zhao、Jinjing
Evolving Systems, Volume 15, Issue 6, December 2024
1) 移动机器人分层定位中 CNN 模型和数据增强技术的评估作者：Juan José Cabrera、Orlando José Céspedes、Luis Payá页数：1991 - 20032) 用于智能城市入侵检测系统的混合机器学习框架作者：Komal Singh Gill、Arwinder Dhillon页数：2005 - 20193) 针对缺失值和类别不平衡问题的多重插补和一类装袋集成方法的混合作者：Pranita Baro、Malaya Dutta Borah页数：2021 - 20664) 使用基于 Lyapunov 稳定性的新型局部连接循环 pi-sigma 神经网络进行非线性动
Reinforcement Learning for Physics: ODEs and Hyperparameter Tuning
使用 gymnasium 控制微分方程并优化算法超参数照片由 Brice Cooper 在 Unsplash 上拍摄如前所述，强化学习 (RL) 提供了一种强大的新工具来应对控制非线性物理系统的挑战。非线性物理系统的特点是行为复杂，输入的微小变化可能导致输出的剧烈变化，或者只有微小的输出变化可能来自大输入。解决方案可以分裂，相同条件可以产生不同的输出，甚至以路径依赖的形式具有“记忆”。我们介绍了两种将 RL 应用于非线性物理系统的不同方法：传统的基于神经网络的软演员评论家 (SAC) 和不常见的基于遗传算法的遗传编程 (GP) 方法。简而言之，SAC 使用两个神经网络，一个用于学习环境的行为方
New method to generate photon pairs efficiently on a chip
薄膜铌酸锂是一种新兴的非线性集成光子学平台，非常适合量子应用。 通过自发参量下转换 (SPDC)，它可以生成相关光子对，用于量子密钥分发、隐形传态和计算。
2025 年可能会发生双重蓝色海洋事件。南极海冰和北极海冰都可能在 2025 年消失。当海冰面积降至 100 万平方公里或更少时，就会发生蓝色海洋事件 (BOE)，南极海冰可能在 2025 年初出现，北半球北极海冰可能在 2025 年夏季出现。北极海冰量 2024 年 9 月，北极海冰量创下新低，如下图所示，该图改编自丹麦气象研究所，9 月（红色）和 4 月（蓝色）的标记与当年的最小量和最大量相对应。趋势可能指向北极海冰量很快接近零；更令人担忧的是，临界点可能会被跨越，并加速温度上升，使其超出平滑曲线。反馈通常被视为以线性或非线性的方式逐渐平稳地提高温度。反馈是一种机制，但也有更突然的机制。事
Global Coverage in 35 Minutes: Scientists Propose New Satellite Mega Constellation Design
一项新研究概述了涉及 891 颗卫星的巨型卫星星座的设计，使用先进的轨道力学和优化算法来确保快速的全球观测能力。复杂空间环境下低地球轨道观测巨型星座的配置优化设计是一个难以通过分析解决的非线性问题。现在，研究人员 [...]
Does Anyone Else Smell A Market Crash In The Air?
有谁闻到了市场崩盘的气息？作者：Charles Hugh Smith，OfTwoMinds 博客，市场确实受到操纵，但它们仍然是紧密结合、自组织复杂性的结构，容易发生突然的非线性崩盘。就像雷雨在到来之前会散发出气味一样，市场崩盘常常在秋天的微风中宣告自己。当每个人都陷入恐慌时，市场不会崩盘？当头条新闻和数据令人放心、分析师对更高的利润充满信心、自满情绪占据主导地位时，市场就会崩盘，这可以从创纪录的家庭股票配置和看涨情绪读数中看出。市场在短暂的恐慌性抛售后立即崩盘，然后立即买入，市场回到永久的高估值水平，就像我们在 8 月份看到的那样，标准普尔 500 指数在历史高点附近回升了一两圈。投机者逢低
混沌顺序传播 (SPoC) 是一种用于求解平均场随机微分方程 (SDE) 及其相关非线性福克-普朗克方程的最新技术。这些方程描述了受随机噪声影响的概率分布的演变，在流体动力学和生物学等领域至关重要。解决这些 PDE 的传统方法面临着挑战，因为它们的 DeepSPoC：将混沌顺序传播与深度学习相结合以有效解决平均场随机微分方程首先出现在 AI Quantum Intelligence 上。
Soft Computing, Volume 28, Issue 13-14, July 2024
1) 使用广义梯形模糊数的完整排序进行多准则决策：修改后的结果作者：Raina Ahuja、Amit Kumar、S. S. Appadoo页数：7589 - 76002) 分数不确定微分方程的参数估计作者：Cheng Luo、Guo–Cheng Wu、Ting Jin页数：7601 - 76163) CL 代数上的拓扑作者：H. Khajeh Nasir、M. Aaly Kologani、R. A. Borzooei页数：7617 - 76254) 基于 Siamese capsule gorilla soldiers network 的汽车评论多模态情绪分析作者：Sri Raman Kot
Predicting Soil Moisture Content Using Physics-Informed Neural Networks (PINNs)
摘要：近地表土壤含水量等环境条件是物体检测问题中的宝贵信息。然而，如果没有主动感知，通常无法以必要的规模获得此类信息。理查兹方程是一个描述非饱和土壤入渗过程的偏微分方程 (PDE)。求解理查兹方程可以得到有关土壤体积含水量、水力传导率和毛细管压力头的信息。然而，由于理查兹方程的非线性，它很难近似。有限差分法 (FDM) 和有限元法 (FEM) 等数值求解器是近似理查兹方程解的常规方法。但此类数值求解器在实时使用时非常耗时。物理信息神经网络 (PINN) 是依赖物理方程近似解的神经网络。一旦经过训练，这些网络就可以快速输出近似值。因此，PINN 在数值 PDE 社区中引起了广泛关注。该项目旨在将
Comparing ANN and CNN on CIFAR-10: A Comprehensive Analysis
您是否好奇不同的神经网络如何相互叠加？在本博客中，我们将使用流行的 CIFAR-10 数据集深入研究人工神经网络 (ANN) 和卷积神经网络 (CNN) 之间的激动人心的比较。我们将分解 ANN 和 CNN 的关键概念、架构差异和实际应用。加入我们，揭秘哪种模型在图像分类任务中占据主导地位以及原因。让我们开始吧！数据集概述 CIFAR-10 数据集是机器学习和计算机视觉任务中广泛使用的数据集。它由 10 个不同类别的 60,000 张 32x32 彩色图像组成，其中有 50,000 张训练图像和 10,000 张测试图像。类别包括飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。本博客探讨了人
Neural Network (MLP) for Time Series Forecasting in Practice
特征工程和构建 MLP 模型的实用示例简介时间序列，更具体地说是时间序列预测，是专业人士和商业用户中非常著名的数据科学问题。存在几种预测方法，为了理解和更好的概述，可以将其归类为统计或机器学习方法，但事实上，对预测的需求如此之高，以至于可用的选项非常丰富。机器学习方法被认为是时间序列预测中最先进的方法，并且越来越受欢迎，因为它们能够捕捉数据中复杂的非线性关系，并且通常可以提高预测的准确性 [1]。一个流行的机器学习领域是神经网络领域。具体来说，对于时间序列分析，循环神经网络已被开发并应用于解决预测问题 [2]。数据科学爱好者可能会发现此类模型背后的复杂性令人生畏，作为你们中的一员，我可以说我也
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 7, July 2024
1) 模糊机器学习：综合框架与系统综述作者：陆杰，马广志，张广全页数：3861 - 38782) 基于切换事件的区间型 2 T-S 可变方向模糊控制，适用于具有未知控制方向的时滞系统作者：水毅，董璐，张亚，孙昌银页数：3879 - 38903) 基于双规则的加权模糊插值推理模块和时间编码器-解码器贝叶斯网络用于试剂添加控制作者：高晓亮，唐朝晖，谢永芳，张虎，丁农章，桂伟华页数：3891 - 39024) 模糊非线性 MAS 在 DoS 攻击下的弹性协同优化控制作者：范莎，岳东，闫怀成， Xiangpeng Xie, Chao Deng页数：3903 - 39135) 直觉模糊偏好下考虑共识和态
Arctic sea ice set for steep decline
如上图所示，2024 年 2 月的温度（2 米）远高于 1951-1980 年，尤其是在北极。上图改编自 NASA，显示 2024 年 2 月的平均温度异常比 1951-1980 年高 1.44°C，异常最高可达 11°C。上图是根据 NASA 陆地+海洋月平均全球温度异常与 1900-1923 年自定义基准创建的，进一步调整了 0.99°C，以反映海洋气温、更高的极地异常和前工业化基准。添加了两个趋势，蓝色趋势基于所有数据（1880 年 1 月 - 2024 年 2 月），洋红色趋势基于较短时期（2010 年 1 月 - 2024 年 2 月），以更好地反映厄尔尼诺和非线性反馈等变量，如北极
