What is “best practice” when working with AI in the real world?
在现实世界条件下使用人工智能可能与经常“在理论上”讨论的理想化设置完全不同。客座编辑 Anna Demming 向专家小组讲述了如何在现实世界的约束条件下实现“最佳实践”愿望，以及如何避免常见的陷阱。在现实世界的过程中 […]
Capital and labour balance cannot be regulated, says CEA Nageswaran
劳动法并不是创造就业机会的唯一约束条件；各州可自由选择部分实施《劳工法》的组成部分，而无需等待全部批准
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 5, May 2024
1) 特邀编辑：基于可解释表示学习的复杂系统智能检测与维护特刊作者：刘志刚、Cesare Alippi、陈洪天、刘德荣页数：5819 - 58232) 基于大规模电动汽车和风电并网的新型自动发电控制方法作者：席蕾、李浩凯、朱继忠、李彦英、王守祥页数：5824 - 58343) 基于自适应动态规划的自旋交换无松弛系统最优自旋极化控制作者：王瑞刚、王卓、刘思迅、李涛、李峰、秦博东、魏庆来页数：5835 - 58474) 具有输出饱和和扰动的不确定非线性系统的事件触发分数阶跟踪控制作者：舒逸Shao, Mou Chen, Sijia Zheng, Shumin Lu, Qijun Zhao页数：58
The Importance of Douglass North
我刚刚听了一集 EconRoots，其中 MikeMunger 接受了采访，谈到了道格拉斯·C·诺斯的重要性。和我一样，芒格也去了华盛顿大学，与诺斯共事。他对诺斯为何如此重要的回答是“他对经济史的看法非常重视时间”。例如，他指出，诺斯会问偏好从何而来，而不是把它们当作既定事实。这是一集很棒的播客，但我对这个问题的个人回答略有不同，因为在读诺斯之前，我已经认识到解释制度随时间变化的重要性。作为常青州立大学的本科生，对我影响最大的两本书是萨缪尔森的《经济学》和托尔斯坦·凡勃伦的《有闲阶级理论》。萨缪尔森的新古典经济学立刻让我明白了。我发现使用模型来分析个人在约束条件下实现最大化以及与其他做同样事情
摘要：马尔可夫链蒙特卡罗 (MCMC) 方法广泛应用于水文学和其他领域，用于贝叶斯框架中的后验推理。正确构造的 MCMC 采样器可以保证收敛到正确的极限分布，但收敛可能非常慢。虽然大多数研究的重点是改进用于在马尔可夫链中生成试验移动的提案分布，但这项工作的重点是有效地为基于群体的 MCMC 采样器找到初始群体，以加速收敛。四个案例研究，包括两个水文模型，被用来证明使用多级单链接隐式过滤随机全局优化来初始化种群，既降低了总体计算成本，又显着增加了在约束条件下找到正确极限分布的机会。固定的计算预算。
