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。
DART: Denoising Autoregressive Transformer for Scalable Text-to-Image Generation
扩散模型已成为视觉产生的主要方法。他们是通过deno培训的马尔可夫工艺，该过程逐渐为输入增加了噪音。我们认为，马尔可夫的财产限制了该模型充分利用生成轨迹的能力，从而导致训练和推理期间效率低下。在本文中，我们提出了DART，这是一种基于变压器的模型，该模型统一自回归（AR）和非马克维亚框架内的扩散。飞镖迭代地将图像贴片在空间和光谱上使用与标准相同的架构相同的AR模型
每年4月11日，东正教教堂都尊重阿雷夫西亚圣马克的记忆 - 烈士，他在朱利安的背叛时期因信仰而受苦。 2025年，庆祝活动在星期五下降。在民间日历中，这个假期称为马尔可夫日或无聊。关于哪些传统和迹象与之相关，请在材料“ Izvestia”中阅读。
Reinforcement Learning for Long-Horizon Interactive LLM Agents
交互式数字代理 (IDA) 利用有状态数字环境的 API 来响应用户请求执行任务。虽然由指令调整的大型语言模型 (LLM) 驱动的 IDA 可以对多步骤交换中接口调用的反馈做出反应，但它们尚未在各自的数字环境中接受过训练。之前的方法在 AppWorld 等复杂的基准测试中完成的任务不到一半。我们提出了一种强化学习 (RL) 方法，可直接在目标环境中训练 IDA。我们将这种训练形式化为部分可观察的马尔可夫模型……
IEEE Transactions on Artificial Intelligence, Volume 5, Issue 11, November 2024
1) 基于部分可观马尔可夫博弈的微电网能源调度优化作者：Jiakai Gong, Nuo Yu, Fen Han, Bin Tang, Haolong Wu, Yuan Ge页数：5371 - 53802) MRI 中的智能多级脑肿瘤识别：基于元启发式的不确定集框架作者：Saravanan Alagarsamy, Vishnuvarthanan Govindaraj, A. Shahina, D. Nagarajan页数：5381 - 53913) 通过不确定性感知结构知识迁移实现 360° 高分辨率深度估计作者：Zidong Cao, Hao Ai, Athanasios V. Vasila
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
Soft Computing, Volume 28, Issues 9-10, May 2024
1) 使用改进的 SSO 算法对绿色能源集成微电网电力系统进行优化频率控制作者：A. Deepa、Arangarajan Vinayagam...Andrew Xavier Raj Irudayaraj页数：6423 - 64462) 动态适应度距离平衡随机分形搜索 (dFDB-SFS 算法)：一种用于全局优化和精确光伏建模的有效元启发式方法作者：Hamdi Tolga Kahraman、Mohamed H. Hassan...Salah Kamel页数：6447 - 64743) 一种用于大规模多目标优化问题的基于快速插值的多目标进化算法作者：Zhe Liu、Fei Han...Jing J
Sequence Feature Extraction for Malware Family Analysis via Graph Neural Network
恶意软件对我们的设备和生活造成了很大的危害。我们迫切希望了解恶意软件的行为及其造成的威胁。恶意软件的大多数记录文件都是可变长度的、带有时间戳的基于文本的文件，例如事件日志数据和动态分析配置文件。利用时间戳，我们可以将这些数据分类为基于序列的数据，以便进行后续分析。然而，处理可变长度的基于文本的序列很困难。此外，与自然语言文本数据不同，信息安全中的大多数序列数据都具有特定的属性和结构，例如循环、重复调用、噪声等。为了深入分析 API 调用序列及其结构，我们使用图来表示序列，这可以进一步研究信息和结构，例如马尔可夫模型。因此，我们设计并实现了一个注意力感知图神经网络 (AWGCN) 来分析 API
博客、观点和学术论文以过去的疫情为指导，新冠肺炎将加剧不平等——Furceri、Loungani、Ostry 和 Pizzuto (VoxEU)疫情衰退开始时的美国劳动力市场——Cajner 等人欧元区的新冠肺炎危机：衰退还是“双峰”扩张？ - CEPR-EABCN 欧元区商业周期测定委员会本周数据：为非洲应对新冠肺炎疫情提供资金的成本 - Chris Heitzig (布鲁金斯学会)悬崖前两个月 - Catarina Midoes (布鲁盖尔学会)马尔可夫转换模型中可能出现的复苏形态 - Bouabdallah 和 Ferrara新冠肺炎疫情期间为低收入工人提供的收入援助 - Levine
TensorFlow Probability 及其 R 包装器 tfprobability 提供了马尔可夫链蒙特卡罗 (MCMC) 方法，这些方法已在本博客的近期多篇文章中使用。这些文章针对的是已经熟悉该方法和术语本身的用户，而主要对深度学习感兴趣的读者不一定熟悉。在这里，我们试图弥补不足，介绍汉密尔顿蒙特卡罗 (HMC) 以及一些经常听到的伴随它的“流行语”，始终努力记住这一切“为了”什么。
