摘要：新研制的钝感高爆化合物3-硝基-1,2,4-三唑-5-酮（NTO）由于其高水溶性和低土壤亲和性，在环境中具有移动性。 NTO 的弱酸性 (pKa 3.67) 对高效液相色谱法的环境分析提出了挑战，但可以通过离子色谱法 (IC) 直接分离。我们开发了一种在天然水、土壤和爆炸后残留物中检测 NTO 的 IC 方法。氢氧化钾梯度分离可在 18 分钟内有效分离无机阴离子（F−、Cl−、NO2−、Br−、SO42−、NO3− 和 PO43−）和 NTO。水性 NTO 的抑制电导率在 10 µg/L 至 10 mg/L 范围内呈线性，检测限为 3 µg/L，定量限为 9 µg/L。添加 NTO 的天
摘要：出于通过多尺度材料建模的进步实现力保护的目的，本报告探讨了使用相场方法来模拟金属合金的微观结构凝固。具体来说，它的实用性针对一系列日益复杂的凝固问题进行了检验，范围从纯金属的一维等温凝固到非等温二元合金的二维定向凝固。还考虑了涉及热梯度、拉动速度和各向异性变化的参数研究，并用于评估可能生成树枝状和/或柱状微结构的条件。在准备过程中，提供了相关控制方程的系统推导以及规定的求解方法。
Towards privacy: Encrypted deep learning with Syft and Keras
深度学习与隐私保护并非不可调和。联合学习支持设备上的分布式模型训练；加密使模型和梯度更新保持私密；差分隐私可防止训练数据泄露。如今，私密且安全的深度学习是一种新兴技术。在这篇文章中，我们介绍了 Syft，这是一个与 PyTorch 和 TensorFlow 集成的开源框架。在一个示例用例中，我们从 Keras 模型中获得私密预测。
Normal Equation Algorithm for minimizing cost J
梯度下降提供了一种最小化 J 的方法。第二种方法，这次明确地执行最小化，而不诉诸迭代算法。在“正则方程”方法中，我们将通过明确取其对 θj 的导数并将其设置为零来最小化 J。这使我们能够在不进行迭代的情况下找到最佳 theta。正态方程公式如下:\theta = (X^T X)^{-1}X^T yθ=(XTX)−1XTy使用正态方程不需要进行特征缩放。以下是梯度下降和正态方程的比较：梯度下降正态方程需要选择alpha不需要选择alpha需要多次迭代不需要迭代O (kn^2kn2)O (n^3n3)，需要计算X^TX的逆XTX在n很大时效果很好如果n非常大则速度很慢使用正态方程，计算逆的复杂度为
Optimization Algorithms for Machine Learning
我一直在 Coursera 上学习 Andrew Ng 的深度学习专项课程。我已经完成了该专项课程 5 门课程中的第 1 门（神经网络和深度学习）。我正在学习第 2 门课程，即改进深度学习。这是一门非常有趣的课程，深入探讨了超参数调整、正则化和优化技术。1. 什么是优化算法？它们使您能够更快地训练神经网络，因为应用机器学习是一个非常经验的过程，这些算法有助于有效地达到优化结果。让我们开始研究具有更复杂版本的梯度下降的优化算法。1.1 批量与小批量梯度下降一般来说，梯度下降会遍历整个训练示例集（#m），并向全局最小值迈出一步。这也称为批量梯度下降。这有点低效，因为它要求我们先遍历所有训练示例，然
Non-linear Activation Functions for Neural Networks Simplified
激活函数是形成神经元输出的函数。它为预测添加了非线性，并使基于神经网络的预测器比线性模型好得多。我们通常会问自己应该使用哪种激活函数？答案是，这个问题没有一个万能的答案。这取决于具体情况。让我带您了解最常用的激活函数及其优缺点，以帮助您做出更好的决定。我们可以定义自己的激活函数以最好地满足我们的需求，最常用的激活函数是：1. S 型激活函数 2. Tan 双曲激活函数 3. ReLU（整流线性单元） 4. Leaky ReLU 它们每个的样子如下：图片来源：DeepLearning.ai 专业化 1. S 型激活函数 S 型激活函数的范围在 0 到 1 之间。它看起来像我们在不同研究领域中看到
Stop Sitting On All That Data & Do Something With It ⚙️
请将您的数据提供给机器。人工智能正在将数据需求提升到一个新的水平。📈假设您可以访问 5,000 张被正确诊断患有某种特定类型癌症（A 型）的患者的 X 射线图像。今天，使用这些数据来训练机器人在新患者中检测出这种癌症出奇地容易。要构建这个机器人，您需要构建一个由神经网络驱动的图像分类器，而 5,000 张 X 射线图像将是您的训练数据集。您将再添加 5,000 张没有癌症的患者的 X 射线，这样分类器就会同时拥有健康和受影响的 X 射线的示例。本质上，这个图像分类器机器人会使用图像梯度在像素级别寻找常见模式，并使用一种广泛使用的机器学习算法（称为反向传播）将该模式与 A 型癌症相关联。请注意，
较高的收入有积极的健康影响吗？杰夫·拉里莫尔（Jeff Larrimore）（米尔班克季刊）的背景下，利用赚取的所得税信用探索收入健康梯度：在文献中已经有很好的证明是，收入与发病率之间存在正相关关系。但是目前尚不清楚这种关系是否是积极的，因为收入增加允许[…]首次出现在附带经济学家上的邮政阅读清单。
