机器学习关键词检索结果

机器伦理播客:Jen Semler 的道德主体

The Machine Ethics podcast: moral agents with Jen Semler

机器伦理播客由 Ben Byford 主持,汇集了对学者、作家、商界领袖、设计师和工程师的采访,主题涉及自主算法、人工智能、机器学习和技术对社会的影响。道德代理人与 Jen Semler 本月,本与 Jen Semler 进行了面对面的会面。他们讨论了人工智能是什么、哲学家和 [...]

海军研究办公室 2026 年青年研究员计划获奖者

Office of Naval Research 2026 Young Investigator Program Awardees

在罗纳德·里根总统执政期间,海军研究办公室为科学、技术、工程和数学领域的早期职业学者创建了一个青年研究员计划,提供创新的解决方案,以确保美国海军和海军陆战队保持作战人员的优势。今年,约 1700 万美元的资金将由 23 名获得博士学位的研究人员分享。 2018 年 1 月 1 日或之后,致力于在沿海预报、机器学习、增材制造、自主操作、先进传感器、灵巧机器人、高超音速、决策优势、海洋声学、超快激光和先进复合材料方面取得重大科学突破。三年期间的典型资助金额为 750,000 美元。阅读更多

[鱼类学 • 2025] Allohistium anas • 温带水生生物多样性热点物种的基因组和表型界定

[Ichthyology • 2025] Allohistium anas • Genomic and Phenotypic Delimitation of Species in a Temperate Aquatic Biodiversity Hotspot

Allohistium anas Near 和 MacGuigan,in MacGuigan、Taylor、Ghezelayagh、Wood、Simmons、Mollish 等,2025 年。Cinder Darter || DOI:doi.org/10.1093/sysbio/syaf083 摘要过去 250 年来,生物学家一直依靠形态特征来识别、定义和正式描述物种。系统发育物种概念的出现和分子数据的引入催生了适用于广泛的真核谱系的新物种定界方法。然而,这些方法严重强调基因组数据,往往忽视表型特征。我们提出并实施了一种物种界定方法,该方法利用 ddRAD-seq 的全基因组标记和分枝形态特征

人工智能发现了丢失的苏联月球着陆器

AI Uncovers Lost Soviet Moon Lander

为什么重要:人工智能利用 NASA 图像和机器学习在突破性太空考古发现中发现了失落的苏联月球着陆器。

第一艘登月幸存的航天器于 1966 年失踪,人工智能可能终于找到了它

The First Spacecraft to Survive a Moon Landing Vanished in 1966 and AI May Have Finally Found It

两个敌对团队——一个使用机器学习,另一个使用人类眼睛——竞相寻找第一艘在月球上软着陆的航天器。

人工智能绘制鸟类迁徙地图以进行保护

AI Maps Bird Migration for Conservation

为什么重要:AI 绘制鸟类迁徙保护地图探索雷达和机器学习如何指导更好的生态决策。

人工智能卫星彻底改变核监测

AI Satellites Revolutionize Nuclear Monitoring

为什么重要:人工智能卫星通过实时监控和机器学习为全球安全带来革命性的核监测。

Roboorx 为机器人服务管理器添加人工智能驱动的预测分析

Roboworx Adds AI-Powered Predictive Analytics to Robot Service Manager

通过将遥测数据与机器学习相结合,先进的软件平台可以及早发现问题,减少停机时间,并将机器人服务进一步从反应性转变为预防性

从深空监测海洋颜色:TEMPO 研究

Monitoring Ocean Color From Deep Space: A TEMPO Study

科学家应用机器学习来证明地球同步卫星可用于从深空评估海洋的健康状况。

Antonio Torralba 和三名麻省理工学院校友被评为 2025 年 ACM 研究员

Antonio Torralba, three MIT alumni named 2025 ACM fellows

Torralba 的研究重点是计算机视觉、机器学习和人类视觉感知。

使用高斯过程的自监督学习

Self-Supervised Learning with Gaussian Processes

自监督学习 (SSL) 是一种机器学习范例,其中模型学习理解数据的底层结构,而无需来自标记样本的显式监督。从 SSL 获取的表示已被证明可用于许多下游任务,包括聚类和线性分类等。为了确保表示空间的平滑性,大多数 SSL 方法依赖于生成与给定实例相似的观察对的能力。然而,对于许多类型的数据来说,生成这些对可能具有挑战性。而且,这些方法缺乏考虑……

WTF 是一个参数?!?

WTF is a Parameter?!?

揭秘机器学习中参数的概念:它们是什么、模型有多少参数以及学习它们时可能会出现什么问题。

98% 自动化:大多数企业人工智能项目失败的原因以及实际有效的方法

98% Automation: Why Most Enterprise AI Projects Fail and What Actually Works

Cognizant 的机器学习工程师 Raj Bhowmik 实现了 98% 的 EDI 映射工作自动化,他分享了他使 GenAI 系统能够与遗留基础设施配合使用的方法。企业 IT 部门面临一个问题:他们的数据存储在不兼容的存储库中。 SAP HANA 与 BigQuery 和 Azure SQL 一起运行。 EDI 文件有数十种 [...]

#490 – 2026 年人工智能现状:法学硕士、编码、扩展法律、中国、代理、GPU、AGI

#490 – State of AI in 2026: LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI

Nathan Lambert 和 Sebastian Raschka 是机器学习研究人员、工程师和教育家。 Nathan 是艾伦人工智能研究所 (Ai2) 的培训后负责人,也是《RLHF 书》的作者。 Sebastian Raschka 是《Build a Large Language Model (From Scratch)》和《Build a Reasoning Model (From Scratch)》的作者。感谢您的聆听 ❤ 查看我们的赞助商:https://lexfridman.com/sponsors/ep490-sc 请参阅下面的时间戳、成绩单,并提供反馈、提交问题、联系 Lex

IEEE Transactions on Emerging Topics in Computational Intelligence 第 10 卷,第 1 期,2026 年 2 月

IEEE Transactions on Emerging Topics in Computational Intelligence Volume 10, Issue 1, February 2026

1) 人工智能:人类在下一代人工智能发展中的作用作者:S. S. Arslan 页数:4 - 202) 以强化学习为重点的人工智能/机器学习的安全风险:来自网格应用程序的回顾和观点作者:K. -B. Kwon, S. Mukherjee, R. R. Hossain, V. Adetola 页数:21 - 353) 基于结构的鲁棒分形图神经网络,具有用于分子特性预测的分子指纹 BERT 作者:Y. Dong, M. Xu, L. Tang 页数:36 - 504) YOLO-ITC:一种用于实例分割的新 YOLO 方法个体树冠作者:Z. Sun, B. Xu, M. Zhang, J. Sch

教机器消除量子计算机中的噪音

Teaching machines to quiet the noise in quantum computers

机器学习可以快速准确地诊断量子计算机中的噪声源。《教机器消除量子计算机中的噪声》一文首先出现在《高级科学新闻》上。

7 个用于超参数调优的 Scikit-learn 技巧

7 Scikit-learn Tricks for Hyperparameter Tuning

准备好学习这 7 个 Scikit-learn 技巧,将您的机器学习模型的超参数调整技能提升到一个新的水平吗?

机器伦理播客:Lisa Talia Moretti 和 Ben Byford 总结 2025 年

The Machine Ethics podcast: 2025 wrap up with Lisa Talia Moretti & Ben Byford

机器伦理播客由 Ben Byford 主持,汇集了对学者、作家、商界领袖、设计师和工程师的采访,主题涉及自主算法、人工智能、机器学习和技术对社会的影响。丽莎·塔利亚·莫雷蒂 (Lisa Talia Moretti) 和本·拜福德 (Ben Byford) 为 2025 年总结 在我们的 2025 年总结集中,我们再次与丽莎聊天 [...]