User Action Sequence Modeling: From Attention to Transformers and Beyond
将推荐系统 LLM 化的探索继续阅读 Towards Data Science »
Enhancing CTC-based Speech Recognition with Diverse Modeling Units
近年来，端到端 (E2E) 自动语音识别 (ASR) 模型的发展令人瞩目，这在很大程度上要归功于 Transformer 等深度学习架构的进步。在 E2E 系统的基础上，研究人员通过使用基于音素的模型重新评分 E2E 模型的 N 个最佳假设，实现了显着的准确性提升。这提出了一个有趣的问题，即除了系统组合效应之外，改进还来自哪里。我们研究了推动这些收益的潜在机制，并提出了一种有效的联合训练方法，其中 E2E 模型进行联合训练……
Step-by-Step Guide to Creating Simulated Data in Python
一个适合初学者的教程，教你如何生成自己的数据进行分析和测试照片由 Alexandru-Bogdan Ghita 在 Unsplash 上拍摄想象一下，你刚刚编写了一个机器学习模型，需要在特定场景中对其进行测试，或者你正在发布一篇关于自定义数据科学解决方案的学术论文，但可用的数据集有版权限制。另一方面，你可能正处于机器学习项目的调试和故障排除阶段，需要数据来识别和解决问题。所有这些情况，以及更多情况，都可以从使用模拟数据中受益。通常，现实世界的数据并不容易获得、昂贵或私密。因此，创建合成数据对数据科学从业者和专业人士来说是一项有用的技能。在本文中，我介绍了一些使用 Python 从头开始创建
3D Modeling and Bioprinting: An Augmented Tool for Healthcare Research
研讨会于 2024 年 8 月 9 日至 8 月 10 日在班加罗尔举行。
Improved Modelling of Federated Datasets using Mixtures-of-Dirichlet-Multinomials
实际上，使用联邦学习进行训练的速度可能比标准集中式训练慢几个数量级。这严重限制了可以进行的实验和调整的数量，使得在给定任务上获得良好性能变得具有挑战性。服务器端代理数据可用于运行训练模拟，例如用于超参数调整。这可以通过减少在真实客户端上执行的调整运行次数来大大加快训练流程。然而，确保这些模拟准确反映动态是一项挑战……
В ОДК заменяют натурные испытания авиадвигателей математическим моделированием
使用新程序，您可以模拟燃气涡轮发动机压气机叶片的自振荡
Modeling, Simulation Experts Convene at Summit
2024 年第三届空军建模与仿真部年度峰会于 5 月 7 日至 9 日在德克萨斯州圣安东尼奥君悦河滨步道举行。
Modeling, Simulation Summit: Following through with training transformation
第三届 2024 年空军部建模与仿真峰会于 5 月 7 日至 9 日在德克萨斯州圣安东尼奥的君悦河滨步道举行。
NPS Researchers Recognized for Modeling Integrated Deterrence in INDOPACOM Region
加利福尼亚州蒙特雷 — 为了表彰他们在推进未来部队设计和下一代联合作战概念方面所做的努力，海军研究生院 (NPS) 的几位研究人员最近荣获美国海军文职服务嘉奖奖章。开发可量化模型，将美国印度太平洋司令部（INDOPACOM）地区的高利益作战场景中的作战变量和综合威慑联系起来。
To build a better AI helper, start by modeling the irrational behavior of humans
一种新技术可用于预测在朝着未知目标努力时表现不佳的人类或 AI 代理的行为。
Modeling Extremely Large Images with xT
作为计算机视觉研究人员，我们相信每个像素都可以讲述一个故事。然而，在处理大图像时，似乎出现了写作障碍。大图像已不再罕见——我们口袋里携带的相机和绕地球旋转的相机拍摄的照片非常大且细节丰富，以至于在处理这些照片时，它们会将我们目前最好的模型和硬件推到极限。通常，随着图像大小的增加，内存使用量会呈二次方增长。今天，我们在处理大图像时会做出两个次优选择之一：下采样或裁剪。这两种方法会导致图像中存在的信息量和上下文的严重损失。我们重新审视这些方法，并引入了 $x$T，这是一个新的框架，用于在当代 GPU 上端到端地对大图像进行建模，同时有效地将全局上下文与局部细节聚合在一起。$x$T 框架的架构。为什
NIST Researchers Publish New Libraries for SysPyS Modeling and Simulation in Manufacturing
NIST 发布了制造业 SysPhS 建模和仿真的物理组件库，这是由 Charlie Manion、Conrad Bock 和 Raphael Barbau 撰写的 NIST 机构间报告 (NIST IR 8490)，显着扩展了 SysML 的功能
NIST Contributes to New Modeling Capability in ISO Product Data Interoperability Standard
2024 年 1 月，NIST 研究人员 Allison Barnard Feeney 和 Rosemary Astheimer 与 Ben Urick (nVariate) 和 Thomas Thurman (TRThurman Consulting) 合作，在 ISO 10303 产品中实施混合边界表示 (b-rep) 建模功能
Holistic Modeling of Energy Conversion & Propulsion Systems using 0D – 3D Approaches
能源转换和推进系统领域站在技术创新的前沿，推动着交通运输、航空航天和可持续能源解决方案的进步。为了优化性能和效率，研究人员越来越多地转向整体建模方法，以弥合 0D 和 3D 模拟之间的差距。模拟级别的集成提供了阅读更多...文章《使用 0D - 3D 方法对能源转换和推进系统进行整体建模》首次出现在 Turbomachinery 博客上。
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
在 2023 年 INFORMS 年会上，NIST 研究员 Mehdi Dadfarnia 展示了基于使用 NIST 开发的 SimPROCESD 软件的研究成果，该软件可以对生产和维护的制造配置和维护策略进行建模和仿真
Conference focuses on future of modeling and simulation technology
韩国大田——第八集团军作战副司令。肖恩·克罗克特将军与共和国高级军事领导人一起......
