印度 PSLV 火箭将于周四（12 月 5 日）凌晨将欧洲的 Proba-3 精确编队飞行任务送入轨道，您可以现场观看。
Five space mysteries Proba-3 will help solve
ESA 的 Proba-3 将通过一对相距 150 米的卫星飞行，首次实现人工日全食。每次飞行 6 小时，它将能够看到太阳边缘与太阳表面 140 万公里之间难以观测的区域内的微弱大气层日冕。这项新技术与这对卫星独特的地球延伸轨道相结合，将使 Proba-3 能够进行重要的科学研究，揭示太阳、太空天气和地球辐射带的秘密。
Ophisops venustus Patel、Vyas、Thackeray、Pal 和 Mirza，2024 www.taprobanica.org facebook.com：Thackeray Wildlife Foundation 摘要蜥蜴科的 Ophisops beddomei 被认为广泛分布于西高止山脉北部和中部以及印度西部的部分地区。然而，最近的研究表明，它是一个包含几个形态隐蔽物种的物种复合体。为了解决这个物种复合体，我们根据模式标本和来自模式产地附近的新鲜材料对 O. beddomei sensu stricto 进行了重新描述。此外，我们根据来自印度西部古吉拉特邦和马哈拉施特
Twin spacecraft will launch to create an artificial solar eclipse
Proba-3 任务由两艘航天器组成，它们将以近距离编队飞行以研究太阳，其中一艘的阴影从另一艘的角度形成人造日食
SoftFoot Pro: A revolutionary prosthetic foot that mimics human movement and improves stability
热那亚的意大利理工学院 (IIT) 开发了一种名为 SoftFoot Pro 的突破性假脚。这种无动力、灵活且防水的假脚灵感来自人脚的解剖结构，旨在在凹凸不平和湿滑的地面上提供更好的稳定性。SoftFoot Pro 不仅改变了肢体残疾者的游戏规则 […]The post SoftFoot Pro: A revolution of probable di altimatest in mocking human movement and improves ability appeared first on Knowridge Science Report.
REPO: Reduction of Entropy for Probabilistic Organization
项目负责人：Ted Senator 先生 赞助组织：DARPA网站：https://www.darpa.mil/program/reduction-of-entropy-for-probabilistic-organization 项目概要：REPO AI 探索工作旨在开发使分析师能够处理大型、非结构化和无组织数据的技术
REPO: Reduction of Entropy for Probabilistic Organization
项目负责人：Daniel Ridge 先生 赞助组织：DARPA网站：https://www.darpa.mil/program/reduction-of-entropy-for-probabilistic-organization 项目概要：REPO 旨在开发技术，使分析师能够处理包含
Робот Mini Cheetah устанавливает новые рекорды скорости
麻省理工学院 Improbable AI 实验室和人工智能与基础交互研究所 (IAIFI) 正在开发的四足机器人 Mini Cheetah 打破了其个人速度记录，达到了 14.04 公里/小时，这要归功于新的强化学习系统，该系统允许机器人能够独立确定最佳的运行方式并适应不同的表面。
TensorFlow Probability 及其 R 包装器 tfprobability 提供了马尔可夫链蒙特卡罗 (MCMC) 方法，这些方法已在本博客的近期多篇文章中使用。这些文章针对的是已经熟悉该方法和术语本身的用户，而主要对深度学习感兴趣的读者不一定熟悉。在这里，我们试图弥补不足，介绍汉密尔顿蒙特卡罗 (HMC) 以及一些经常听到的伴随它的“流行语”，始终努力记住这一切“为了”什么。
Hierarchical partial pooling, continued: Varying slopes models with TensorFlow Probability
这篇文章以我们最近介绍的 tfprobability（TensorFlow Probability 的 R 包装器）进行多级建模为基础。我们展示了如何汇集平均值（“截距”）和关系（“斜率”），从而使模型能够以更广泛的方式从数据中学习。同样，我们使用了 Richard McElreath 的“Statistical Rethinking”中的一个例子；术语以及我们呈现这个主题的方式很大程度上归功于这本书。
Experimenting with autoregressive flows in TensorFlow Probability
继最近对 TensorFlow Probability (TFP) 中的双射函数的介绍之后，这篇文章将自回归引入了讨论。通过新的 R 包 tfprobability 使用 TFP，我们研究了掩蔽自回归流 (MAF) 的实现，并将其用于两个不同的数据集。
Getting into the flow: Bijectors in TensorFlow Probability
规范化流是无监督深度学习中鲜为人知但却令人着迷且成功的架构之一。在这篇文章中，我们使用 tfprobability（TensorFlow Probability 的 R 包装器）对流程进行了基本介绍。后续文章将在此基础上进行构建，在更复杂的数据上使用更复杂的流程。
Discrete Representation Learning with VQ-VAE and TensorFlow Probability
在考虑变分自动编码器 (VAE) 时，我们通常会将先验描绘为各向同性的高斯。但这绝不是必需的。van den Oord 等人的“神经离散表示学习”中描述的矢量量化变分自动编码器 (VQ-VAE) 具有离散潜在空间，可以学习令人印象深刻的简洁潜在表示。在这篇文章中，我们结合了 Keras、TensorFlow 和 TensorFlow Probability 的元素，看看我们是否可以生成与 Kuzushiji-MNIST 中的字母相似的令人信服的字母。
Getting started with TensorFlow Probability from R
TensorFlow Probability 提供了广泛的功能，从概率网络层上的分布到概率推理。它与核心 TensorFlow 和 (TensorFlow) Keras 无缝协作。在这篇文章中，我们简要介绍了分布层，然后使用它在变分自动编码器中采样和计算概率。
A method for resolving the range and Doppler frequency ambiguity is proposed for multiple targets in the antenna beam for a medium sounding pulse repetition frequency. The probability of correct resolution of the range and Doppler frequency ambiguity is estimated using a mathematical modelling metho
