Leveraging Periodicity for Robustness with Multi-modal Mood Pattern Models
*平等贡献者来自可穿戴传感器的数据（例如心率、步数）可用于模拟情绪模式。我们使用多模态离散时间序列数据表征特征表示和建模策略，使用具有自然缺失的大型数据集（n=116,819 名参与者）进行情绪模式分类，使用 12 个可穿戴数据流，重点是捕捉数据的周期性趋势。综合考虑性能和鲁棒性，基于周期性的具有梯度提升模型的聚合特征表示优于其他表示和架构……
Temporal variability and cell mechanics control robustness in mammalian embryogenesis | Science
尽管生物系统具有内在的随机性，但它们如何实现形式和功能的精确性是生物学中一个基本但持续存在的问题。我们生成了小鼠、兔和猴子胚胎的植入前胚胎形态图谱，这些...
稳健性对于在实际应用中部署深度学习模型至关重要。自 2020 年代推出以来，视觉变换器 (ViT) 在各种视觉任务中表现出强大的稳健性和最先进的性能，优于传统 CNN。大核卷积的最新进展重新引起了人们对 CNN 的兴趣，表明它们可以匹敌或超过 ViT 性能。然而，这篇文章《探索稳健性：大核卷积网络与卷积神经网络 CNN 和视觉变换器 ViT 的比较》首先出现在 AI Quantum Intelligence 上。
Asymmetric Certified Robustness via Feature-Convex Neural Networks
通过特征凸神经网络实现非对称认证稳健性 TLDR：我们提出了非对称认证稳健性问题，它只需要对一个类进行认证稳健性，并反映了现实世界的对抗场景。这种集中设置使我们能够引入特征凸分类器，该分类器可在毫秒级产生闭式和确定性的认证半径。图 1. 特征凸分类器及其对敏感类输入的认证的说明。该架构由 Lipschitz 连续特征图 $\varphi$ 和学习到的凸函数 $g$ 组成。由于 $g$ 是凸的，因此它在 $\varphi(x)$ 处的切平面全局欠近似，从而在特征空间中产生认证范数球。然后，$\varphi$ 的 Lipschitz 性会在原始输入空间中产生适当缩放的证书。尽管深度学习分类器被广泛
我们研究 CNN 和 ViT 的学习视觉表征，例如纹理偏差、如何学习良好的表征、预训练模型的稳健性以及最终从训练过的 ViT 中出现的属性。
Humanoid Policy ~ Human Policy
针对人形机器人的培训操纵政策会涉及数据，从而增强了其跨任务和平台的稳健性和泛化。但是，仅从机器人示范中学习是劳动密集型的，需要昂贵的远程操作数据收获，这很难扩展。本文研究了更可扩展的数据源，即中心的人类示范，以作为机器人学习的跨体型培训数据。我们从数据和建模观点来减轻人形生物与人类之间的实施差距。我们收集了一个以egipentric任务为导向的数据集（PH2D）…
Why CatBoost Works So Well: The Engineering Behind the Magic
catboost在梯度提升方面直接应对长期存在的挑战来脱颖而出 - 如何有效处理分类变量而不会导致目标泄漏。通过引入创新的技术，例如有序的目标统计和有序的提升，并利用遗忘树的结构，Catboost有效地平衡了稳健性和准确性。这些方法可确保每个预测仅使用过去的数据，以防止泄漏，并导致模型既快速又可靠地对现实世界任务。
IEEE Transactions on Neural Networks and Learning Systems, Volume 36, Issue 2, February 2025
1) 特邀编辑：机器学习泛化、稳健性和可解释性的信息论方法特刊作者：Badong Chen、Shujian Yu、Robert Jenssen、Jose C. Principe、Klaus-Robert Müller页数：1957 - 19582) 用于阿尔茨海默病分类和致病因素识别的社区图卷积神经网络作者：Xia-An Bi、Ke Chen、Siyu Jiang、Sheng Luo、Wenyan Zhou、Zhaoxu Xing、Luyun Xu、Zhengliang Liu、Tianming Liu页数：1959 - 19733) RSS-Bagging：通过训练数据的 Fisher 信息
Income tax cut shows strength of economy: Finance Minister Nirmala Sitharaman
财政部长 Nirmala Sitharaman 强调了印度在全球不确定性中的韧性，并强调保持警惕的必要性。她确认，包括 IDBI 银行在内的私有化是当务之急。Sitharaman 还指出，政府有能力免除收入不超过 120 万卢比的人的所得税，这是经济实力的标志，并重申了印度宏观经济基本面的稳健性。
Track LLM model evaluation using Amazon SageMaker managed MLflow and FMEval
在本文中，我们将展示如何使用 FMEval 和 Amazon SageMaker 以编程方式评估 LLM。FMEval 是一个开源 LLM 评估库，旨在为数据科学家和机器学习 (ML) 工程师提供代码优先体验，以评估 LLM 的各个方面，包括准确性、毒性、公平性、稳健性和效率。
Interpreting CLIP: Insights on the Robustness to ImageNet Distribution Shifts
稳健模型和非稳健模型的区别是什么？虽然对于 ImageNet 分布变化，已经表明这种稳健性差异可以主要追溯到训练数据的差异，但到目前为止，尚不清楚这在模型学习方面意味着什么。在这项工作中，我们通过探测具有各种主干（ResNets 和 ViTs）和预训练集（OpenAI、LAION-400M、LAION-2B、YFCC15M、CC12M 和 DataComp）的 16 个稳健零样本 CLIP 视觉编码器的表示空间，并将它们与较少的表示空间进行比较来弥合这一差距……
美国商业地产市场开始显现出触底回升的迹象。为了抑制通货膨胀，美联储（FRB）从2022年3月到次年7月总共加息5.25%，使政策利率达到2001年以来的最高水平。商业地产市场因此受到重创，进入调整阶段。商业地产价格从2022年4月开始下降，到2023年12月下降了22%。不过，下降趋势在2024年1月停止，到同年10月累计上涨3%。虽然不能说是强劲的上涨趋势，但市场可以说是在喘息1。 商业地产市场是受加息影响最大的行业。特别是，随着硅谷银行（SVB）于2023年3月破产，对中小银行稳健性的担忧加剧，商业地产市场的动向成为下一个热点2。随着 2024 年 1 月纽约社区银行 (NYCB) 出现财
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Number 12, November 2024
1) 场景理论、复杂性和基于压缩的学习与泛化调查作者：Roberto Rocchetta、Alexander Mey、Frans A. Oliehoek页数：16985 - 169992) 深度学习在视觉定位与映射中的应用：调查作者：Changhao Chen、Bing Wang、Chris Xiaoxuan Lu、Niki Trigoni、Andrew Markham页数：17000 - 170203) 实例分割模型稳健性的基准测试作者：Yusuf Dalva、Hamza Pehlivan、Said Fahri Altındiş、Aysegul Dundar页数：17021 - 170354
2025年度の年金額の見通しは1.9％増で、年金財政の健全化に貢献 (前編)－年金額改定の仕組み
■概要 2025财年的养老金金额预计将于2025年1月24日公布。为了方便公告时的顺利理解，本文（第1部分）将回顾养老金数额修改机制。 ■目录 简介 1 -- 养老金金额调整机制：基本原则是维持实际价值，但近年来也增加了稳健性调整 1 | 养老金金额调整总体情况：基本调整（维持实际价值）。 ）和宏观经济 增加幻灯片（健全化措施）2｜原修订规则：维持养老金金额的实际价值 3｜养老金财务稳健性的调整规则（所谓宏观经济幻灯片）2 -了解机制的意义：名义金额增加需谨慎。2025财年养老金金额预计将于20251年1月24日公布。在本系列（第一部分和第二部分）中，我们将确认养老金金额修正的机制2，并根据当
New quantum encoding methods slash circuit complexity in machine learning
研究人员简化了量子数据编码方法，显著提高了量子机器学习的效率和稳健性。文章《新的量子编码方法降低了机器学习中的电路复杂性》首次出现在《科学询问者》上。
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
从业者判断大型语言模型输出的指南评估人工智能生成的输出对于构建大型语言模型的稳健应用程序至关重要，因为它允许将复杂的人工智能应用程序拆分为具有内置错误控制的简单阶段。在监督模式下评估生成输出相对简单，其中“正确答案”可以由人类评估者计算或提示。同时，在许多实际的 LLM 应用中，监督方法过于严格，需要能够解决开放式问题的评估。构建无监督评估器的最简单方法是要求 LLM 自我评估。然而，生成模型检测自身输出错误的能力尚不清楚。我们证明，通过迭代自我反思可以提高自我评估的质量。与“思想链”技术类似，该方法以推理时的计算量换取最终结果的稳健性。带有示例的 Google Colab 笔记本链接：h
■概要 《欧盟人工智能法规》（以下简称《法规》）于2024年6月13日在《欧盟公报》上正式发布，并于同年8月1日生效。本文是该规则评论系列四篇文章中的第二篇。欧盟协调法（欧盟内部标准化产品安全标准等的法规）中列出的产品及其安全装置的人工智能系统，以及影响该法规中列出的人员的权利和安全的人工智能系统被称为高人工智能系统。风险人工智能系统并受到特殊法规的约束。 高风险人工智能系统必须满足的要求包括（1）建立风险管理系统，（2）数据治理，（3）创建技术文档并保存记录，（4）创建使用说明，以及（5）人类(6) 准确性和稳健性。本条例对各项具体措施作出了规定。 它还规定了高风险人工智能系统的供应商、进口
