FormulaFeatures: A Tool to Generate Highly Predictive Features for Interpretable Models
使用基于数字特征的算术组合自动设计的简洁、高度预测的特征创建更易于解释的模型在本文中，我们研究了一个名为 FormulaFeatures 的工具。这主要用于可解释模型，例如浅层决策树，其中少量简洁且高度预测的特征可以极大地帮助提高模型的可解释性和准确性。机器学习中的可解释模型本文继续我关于可解释机器学习的系列文章，之前的文章包括 ikNN、加法决策树、遗传决策树和 PRISM 规则。如前几篇文章所述（并在那里更详细地介绍），通常有强烈的动机使用可解释的预测模型：每个预测都可以很好地理解，我们可以确信模型将在未来看不见的数据上表现合理。有许多模型可以提供可解释的 ML，但不幸的是，这些模型比我们
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
Gemma Scope: helping the safety community shed light on the inner workings of language models
宣布一套全面的，开放的稀疏自动编码器，用于语言模型可解释性。
Gemma Scope: helping the safety community shed light on the inner workings of language models
宣布推出一套全面、开放的稀疏自动编码器，用于语言模型可解释性。
Gemma Scope: helping the safety community shed light on the inner workings of language models
宣布一套全面的，开放的稀疏自动编码器，用于语言模型可解释性。
Gemma Scope: helping the safety community shed light on the inner workings of language models
宣布一套全面的，开放的稀疏自动编码器，用于语言模型可解释性。
Gemma Scope: helping the safety community shed light on the inner workings of language models
宣布一套全面的，开放的稀疏自动编码器，用于语言模型可解释性。
Complex & Intelligent Systems, Volume 10, Issue 4, August 2024
1) 一种用于动作识别的人体骨骼关键帧选择优化方法作者：陈浩，潘悦凯，王晨武页数：4659 - 46732) 城市轨道交通网络短期起讫点流量预测：基于多源大数据的深度学习方法作者：崔红萌，司冰峰……潘伟婷页数：4675 - 46963) 用于社区检测的多约束非负矩阵分解：正交正则稀疏约束非负矩阵分解作者：陈子刚，肖奇……李晓勇页数：4697 - 47124) 使用多层时间图神经网络预测社交媒体网络中的流行趋势作者：金瑞东，刘欣，村田刚页数：4713 - 47295) 受全变分和深度去噪先验启发的混合正则化用于图像恢复作者：Hu Liang, Jiahao Zhang...Jinbo Zhu页数
Eriotheca paganuccii Carv.-Sobr., A.C.Mota & Dorr,in Carvalho-Sobrinho, da Mota et Dorr, 2024. DOI：10.3897/phytokeys.243.125708 摘要描述并说明了来自巴西东北部巴伊亚大西洋森林山地湿润森林的一种新种 Eriotheca（Bombacoideae，锦葵科）。它仅在海拔 750 m 至 850 m 的山顶上发现三个种群，根据 IUCN 标准被列为濒危物种（EN）。Eriotheca paganuccii 与所有同类植物的不同之处在于，它结合了革质至强革质的叶子和少籽的球
On the Minimal Degree Bias in Generalization on the Unseen for non-Boolean Functions
我们研究了随机特征 (RF) 模型和 Transformer 的域外泛化。我们首先证明，在“在看不见的 (GOTU) 上泛化”设置中，训练数据在域的某些部分完全可见，但在另一部分进行测试，对于小特征范围内的 RF 模型，收敛发生在最小程度的插值器上，就像布尔情况一样 (Abbe 等人，2023)。然后，我们考虑稀疏目标范围，并解释该范围与小特征范围的关系，但使用不同的正则化项，可以改变图片……
Aero-News: Quote of the Day (07.08.24)
“在飓风季节，我们的目的是收集和质量检查风暴环境中的数据，然后在飞行过程中将其发送给预报员，以注入模型并尝试确定风暴的真正中心。我们经常在数据稀疏的地区飞行，因此尽可能长时间地处于风暴中可以弥补卫星可能无法确定的信息空白。”来源：第 53 届 WRS 助理作战主任 Jeffrey Mitchell 中校，他的机组人员目前正在飓风 Beryl 内执行监视任务。
[Botany • 2024] Saurauia decolorata (Actinidiaceae) • A New Species from Mindanao, the Philippines
Saurauia decolorata Olimpos & Penneys，Olimpos、Penneys、Salas、Coritico、Amoroso et Fritsch。2024。DOI：10.11646/phytotaxa.658.1.4 facebook.com/ShieOlimpos摘要Saurauia decolorata 产自菲律宾棉兰老岛东米萨米斯省的布基农山潘塔隆山脉和巴拉图坎山自然公园，图中显示并描述了一种新种。它与 S. avellana 和 S. elegans 非常相似，小枝、叶柄和叶背表面覆盖有绒毛和鳞片，花密簇，花药纵向开裂，有 3-4 个花柱。然而，S. de
[Botany • 2024] Cyrtomium adenotrichum (Dryopteridaceae) • A New Species from Guangxi, China
Cyrtomium adenotrichum Y. Nong & R.H. Jiang, in Nong, Lei, Zhao, Wei, Xu, Feng, Qu et Jiang, 2024. 腺毛贯众 || DOI: 10.3897/phytokeys.243.127579摘要对来自中国广西的一个新种Cyrtomium adenotrichum Y. Nong & R.H. Jiang（鳞毛蕨科）进行了描述和图示。本新种与 C. nephrolepioides (Christ) Copel.、C. obliquum Ching & K. H. Shing ex K. H. Shing、
GAO 发现小企业管理局 (SBA) 的灾难贷款计划向农村和城市社区提供，以弥补已宣布的灾难后的合格损失。灾难贷款旨在帮助房主、租户、企业和非营利组织修复、重建以及从物质和经济损失中恢复。 2017-2022 财年，农村和城市地区的救灾贷款申请的批准率和下降率相当。在这两类领域中，SBA 批准了约 40% 的符合最低受理资格的申请，并拒绝了约 40% 的申请。截至 2023 年 6 月，其余申请已被撤回（18.5%）或仍在由 SBA 审查（1.7%）。 SBA 灾难贷款申请的结果 截至 2023 年 6 月，2017-2022 财年 SBA 接受的地理区域注：本分析包括符合 SBA 最低受理资
加利福尼亚州的乡村幅员辽阔，而且多种多样。它面临着独特的挑战，从高度贫困到稀疏的社会服务，再到挥之不去的数字鸿沟。最紧迫的挑战是什么？领导者和利益相关者如何应对这些挑战？加入 PPIC，参加众议院共和党领袖 James Gallagher 和 PPIC 总裁兼首席执行官 Tani Cantil-Sakauye 之间的对话，然后与州和地方领导人进行小组讨论。
Artificial Intelligence in Natural Hazard Modeling: Severe Storms, Hurricanes, Floods, and Wildfires
GAO 的发现GAO 发现，机器学习是一种使用算法来识别信息模式的人工智能 (AI)，它正在应用于严重风暴、飓风、洪水和野火等自然灾害的预测模型，可能导致自然灾害。一些机器学习模型在日常预报中得到实际应用，例如可以缩短严重风暴预警时间的模型。机器学习的一些用途被认为接近可操作，而另一些则需要多年的开发和测试。GAO 确定了将机器学习应用于该领域的潜在好处，包括：从而增加建模成本。通过更充分地利用可用数据、使用传统模型无法使用的其他数据以及创建合成数据来填补空白，提高模型的准确性。通过改进集成建模（从众多模型生成组合预测的过程）以及更好地利用历史数据来减少模型输出的不确定性。使用机器学习预测自然
Perceiver AR: general-purpose, long-context autoregressive generation
我们开发了 Perceiver AR，这是一种自回归、模态无关的架构，它使用交叉注意将长距离输入映射到少量潜在输入，同时保持端到端因果掩蔽。Perceiver AR 可以直接处理十万多个标记，无需手工制作的稀疏模式或记忆机制即可实现实用的长上下文密度估计。
The Word is Mightier than the Label: Learning without Pointillistic Labels using Data Programming
我们分析了 DP 背后的数学基础，并通过将其应用于两个现实世界的文本分类任务来展示它的强大功能。此外，我们将 DP 与传统上在数据稀疏设置中应用的点画主动和半监督学习技术进行了比较。
