Orbex Group Offers New Compact Wheel Drives for Advanced Mobile Robots
Orbex Group 是一家总部位于美国的滑环和电动机供应商，它推出了一系列新型紧凑型轮式驱动器 (CWD)，增加了其精密运动解决方案的供应。CWD-500 和 CWD-1000 是集成的电机、变速箱、编码器和轮式组合单元，旨在方便应用于自主移动机器人 (AMR) 和自动导引车 (AGV) 等紧凑型机器人应用。
Enhancing JEPAs with Spatial Conditioning: Robust and Efficient Representation Learning
这篇论文被 NeurIPS 2024 的自监督学习 - 理论与实践 (SSLTP) 研讨会接受。基于图像的联合嵌入预测架构 (IJEPA) 为使用蒙版图像建模框架进行表示学习提供了一种有吸引力的蒙版自动编码器 (MAE) 替代方案。IJEPA 通过在潜在空间而非输入空间中进行预测来驱动表示以捕获有用的语义信息。然而，IJEPA 依赖于精心设计的上下文和目标窗口来避免表示崩溃。IJEPA 中的编码器模块无法自适应地调节类型……
Video Friday: Robot Dog Handstand
Video Friday 是您每周精选的精彩机器人视频，由 IEEE Spectrum robotics 的朋友收集。我们还会发布未来几个月即将举行的机器人活动的每周日历。请将您的活动发送给我们以供收录。Humanoids 2024：2024 年 11 月 22-24 日，法国南希欣赏今天的视频！就在我以为四足动物再也无法打动我的时候……[ Unitree Robotics ]Meta FAIR 的研究人员发布了几项新的研究成果，这些成果推动了机器人技术的发展并支持我们实现高级机器智能 (AMI) 的目标。其中包括 Meta Sparsh，这是第一个用于基于视觉的触觉感应的通用编码器，可在许多
New generative AI tools open the doors of music creation
我们最新的AI音乐技术现已在MusicFX DJ，Music AI Sandbox和YouTube短裤 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。 新的AI系统设计成功结合靶分子的蛋白质，具有推进药物设计，疾病理解等的潜力。 使用深度学习来解决计算量子化学中的基本问题并探索物质与光的相互作用 该模型可以极大地提高性能，并在跨模式的长篇文化理解中取得了突破。 在自然通信中发表的一系列实验中，我们发现证据表明人类判断确实受到对抗性扰动的系统影响。 这是人工智能（AI）研究及其实用应用领域中令人难以置信的一年。 在自然界发表的一篇论文中，我们介绍了FunSearch，这是
IEEE Transactions on Evolutionary Computation, Volume 28, Number 5, October 2024
1) 基于自编码器编码策略的粒子群优化算法高效演化深度卷积神经网络作者：；袁公林, 王斌, 薛冰, 张梦洁页数：1190 - 12042) 基于条件生成对抗网络的双层进化多目标优化算法作者：；王伟忠, 刘海林页数：1205 - 12193) 进化聚类有理论保证吗？作者：；钱超页数：1220 - 12344) 基于词汇表选择的遗传编程用于大规模动态灵活作业车间调度作者：；徐萌, 梅懿, 张芳芳, 张梦洁页数: 1235 - 12495) 约束进化优化中基于相关性的适应度评估动态分配方案作者:; 黄涵, 徐月婷, 项逸, 郝志峰页数: 1250 - 12646) 随时间变化的稳健优化：评论作者:;
Contrastive Localized Language-Image Pre-Training
对比语言-图像预训练 (CLIP) 是一种广受赞誉的方法，用于训练视觉编码器生成图像/文本表示，以促进各种应用。最近，CLIP 已被广泛用作多模态大型语言模型 (MLLM) 的视觉主干，以连接图像输入以进行语言交互。CLIP 作为视觉语言基础模型的成功依赖于在图像级别对齐网络爬取的嘈杂文本注释。然而，这样的标准可能不足以满足需要细粒度视觉表示的下游任务，尤其是……
Transformer? Diffusion? Transfusion!
最新多模态转输模型的简单介绍最近，Meta 和 Waymo 发布了他们的最新论文 —Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model，该论文将流行的 Transformer 模型与扩散模型相结合，用于多模态训练和预测目的。与 Meta 之前的工作一样，Transfusion 模型基于带有早期融合的 Llama 架构，它同时采用文本 token 序列和图像 token 序列，并使用单个 Transformer 模型来生成预测。但与以前的技术不同，Transfusion 模型对图像 t
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。
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Issue 4, August 2024
1) 深度学习视频超分辨率综述作者：Arbind Agrahari Baniya、Tsz-Kwan Lee、Peter W. Eklund、Sunil Aryal页数：2655 - 26762) 神经动力学优化综述作者：Youshen Xia、Qingshan Liu、Jun Wang、Andrzej Cichocki页数：2677 - 26963) 用于知识图谱补全的图形结构增强预训练语言模型作者：Huashi Zhu、Dexuan Xu、Yu Huang、Zhi Jin、Weiping Ding、Jiahui Tong、Guoshuang Chong页数：2697 - 27084) 通过基
The Math Behind Multi-Head Attention in Transformers
深入探究 Transformer 和 LLM 中的秘密元素多头注意力。让我们探索它的数学原理，并从头开始用 Python 构建它DALL-E 生成的图像1：简介1.1：Transformer 概述Vaswani 等人在其论文“Attention is All You Need”中介绍的 Transformer 架构已经改变了深度学习，尤其是在自然语言处理 (NLP) 领域。Transformer 使用自注意力机制，使它们能够一次性处理所有输入序列。这种并行处理允许更快地计算并更好地管理数据中的长距离依赖关系。这听起来不熟悉？别担心，因为它会在本文的末尾出现。让我们首先简单看一下 Transfo
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
April '23 product roundup | Viam
我们在 4 月份发布了大量新功能！现在，您可以在 Viam 上使用任何 TFLite 模型、配置 Ufactory Lite 6 臂、直接访问编码器等。
Doctor Web’s Q2 2024 virus activity review
2024 年 7 月 1 日根据 Dr.Web 反病毒软件收集的检测统计数据，在 2024 年第二季度，最常见的威胁是不需要的广告软件程序和广告软件木马，以及作为其他木马的一部分分发并用于使后者更难检测的恶意软件。在电子邮件流量中，最常检测到的是恶意脚本和各种钓鱼文档。文件受到编码器木马影响的用户最常遇到 Trojan.Encoder.3953、Trojan.Encoder.35534 和 Trojan.Encoder.26996。对于 Android 移动设备，最常检测到的威胁是 Android.HiddenAds 广告软件木马、Android.FakeApp 恶意程序和 Android.S
Doctor Web’s February 2024 virus activity review
2024 年 4 月 1 日对 2024 年 2 月 Dr.Web 反病毒检测统计数据的分析显示，与 1 月相比，检测到的威胁总数增加了 1.26%。与此同时，唯一威胁的数量减少了 0.78%。各种广告显示木马和不需要的广告软件程序再次占据了检测数量的领先地位。此外，与其他威胁一起分发以使其更难检测的恶意应用程序仍然非常活跃。在电子邮件流量中，最常检测到的是恶意脚本、网络钓鱼文档和利用 Microsoft Office 软件漏洞的程序。与上个月相比，解密受编码器木马影响的文件的用户请求数量减少了 7.02%。勒索攻击背后最常见的恶意软件是 Trojan.Encoder.3953（占事件的 18
