标签

 时间 

相关的文章:

解道jdon.com -

Uber以每秒50万个请求的估算乘客到达时间

从 A 点到 B 点的预计旅行时间称为预计到达时间(ETA): Uber 在 4 种情况下计算 ETA: 眼球:当乘客在应用程序中输入目的地时 调度:在最短等待时间内找到接送乘客的车辆 取车:查找接送乘客所需的时间 途中:实时更新到达目的地的时间 一次旅行通常需要约 1000 次 ETA 请求。 然而,计算 ETA 是一个难题。因为出发地和目的地之间的距离不是一条直线

AI生成摘要 Uber计算ETA的方法包括路由算法、交通信息和地图匹配。路由算法将地图表示为图形,通过分区和预计算最佳路径来提高效率。交通信息考虑时间、天气和车辆数量,填充图的边权重以提高准确性。地图匹配通过将GPS信号映射到实际路段来提高准确性。Uber每天完成的出行次数超过1800万次,因此准确的ETA对他们至关重要。目前的方法允许他们将请求扩展到每秒50万个。

相关推荐 去reddit讨论

蓝点网 -

谷歌对标GPT-4的人工智能产品Gemini发布时间推迟 似乎是出现性能问题

上图是 Bard 发布会图片 PS 的 Gemini 是谷歌计划推出的下一代人工智能模型,外界传闻是可以对标 […]

AI生成摘要 谷歌计划推出的人工智能模型Gemini因性能问题推迟发布,对谷歌来说是小打击。Gemini相较于现有的Bard提供更多功能,包括内容创建、辅助编程开发、创建图像等。发布会被悄悄延迟,具体原因未知。

相关推荐 去reddit讨论

Micropaper -

一分钟读论文:《线上系统事故解决时间(TTM)需要多久?》

事故从发现到解决有三个重要的衡量指标: TTD(Time To Detect,事故被发现的时间)、TTE(Time To Engage,相关责任人响应时间)、TTM(Time To Mitigate,事故缓解或解决时间)。TTM 是定位问题和制定解决方案并解决的时长。微软研究院的论文《How Long Will it Take to Mitigate this Incident for Online Service Systems》,从微软20个在线服务系统中收集了2018年至2020年的 2.7 万条事故数据,发现 TTM 与事故的严重性、影响范围、类型、来源、所属服务和所属团队有显著的相关性,信息不足、沟通不畅、协作不协调是影响 TTM 最大的因素,并提出了预测方法 TTMPred。

AI生成摘要 这篇文章研究了事故的发现、响应和解决时间,并提出了预测方法TTMPred。通过微软20个在线服务系统的事故数据,发现TTM与事故的严重性、影响范围、类型、来源、所属服务和所属团队有关。信息不足、沟通不畅、协作不协调是影响TTM的主要因素。文章还介绍了TTMPred的方法和评估结果,表明其能够准确预测事故缓解时间,并具有良好的泛化能力。

相关推荐 去reddit讨论

FreeBuf网络安全行业门户 -

美国水务局遭遇黑客攻击,系统第一时间紧急下线

此次网络威胁行为者的攻击目标是与水和废水系统设施相关的 PLC,包括美国一家水务设施中已确认的 Unitronics PLC。

AI生成摘要 美国网络安全和基础设施安全局(CISA)正在处理一起由伊朗黑客组织发起的网络攻击事件。攻击目标是美国宾夕法尼亚州西部的阿里基帕市水务局,涉及利用Unitronics可编程逻辑控制器(PLC)。受影响的水务局已将系统下线,转为人工操作,目前尚未发现饮用水或供水存在风险。CISA建议企业更改PLC的默认密码,执行多因素身份验证,切断PLC与互联网的连接,并备份逻辑和配置以实现快速恢复。此前,该黑客组织已攻击以色列的水处理站和加油站解决方案供应商。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

MultiResFormer:自适应多分辨率建模的转换器用于通用时间序列预测

提出一种名为 MultiResFormer 的基于 Transformer 的模型,通过自适应选择最佳的 patch 长度来动态建模时间序列的变化,并在长期预测任务中优于基于 patch 的 Transformer,同时使用比 CNN 基线更少的参数。

AI生成摘要 本研究提出了一种通用的多尺度框架,可改进基于Transformer的时间序列预测模型的性能。通过多尺度共享权重迭代地改进预测的时间序列,并引入架构适应和特殊设计的标准化方案。研究结果表明,该方法将性能从5.5%提高到38.5%。代码公开在指定的URL上。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

利用功能磁共振成像时间序列的沉降图嵌入进行轻度认知障碍检测

通过使用脑部网络的静息态功能磁共振成像技术,本研究采用复发图方法对 100 名受试者的脑部网络进行分析,并通过自编码器得出低维特征嵌入,得到 93% 的分类准确率,证明了该方法的潜力。

AI生成摘要 本文介绍了一种使用静息态功能磁共振成像技术的新型建模架构BrainRGIN,通过图神经网络在静态功能网络连接矩阵上预测智力。在青少年大脑认知发展数据集上评估,证明了该模型在预测智力个体差异方面的有效性。模型在智力预测任务中表现优于其他相关图形架构和传统机器学习模型。中央额叶回对流体和晶体智力有显著贡献,总复合分数识别出与大脑相关的多样区域,凸显了总智力的复杂性。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

TIDE: 测试时间的少样本物体检测

通过引入非对称架构来学习一个支持实例引导的动态类别分类器,进一步提供交叉注意力模块和多尺度调整器以增强模型性能,从而显著优于现有的多个少样本目标检测方法。

AI生成摘要 本研究探讨了在现实世界中进行few-shot目标检测的方法。通过实验发现,距离度量学习方法在新颖类别上表现更好。同时,研究还证明了在真实世界的开放数据集中扩展目标类别对few-shot学习研究有利。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

生成层次时间变换器用于手势动作识别和运动预测

提出一种新颖的框架,同时处理手势识别和 3D 未来手势预测,借助生成式 Transformer VAE 架构来联合捕捉两个方面,从而实现通过利用时间戳间观察到的短期手势和长期动作一致性,促进现实动作预测,确保手势姿势和动作的语义依赖和不同时间粒度的忠实表示。

AI生成摘要 本文提出了一种新的人体姿势预测方法,使用三角棱镜循环神经网络模型,通过编码不同时间尺度的时间依赖性来捕获分层结构。实验证明该方法在数量和质量上优于基线和最先进的方法。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

VITATECS:用于视频语言模型的时间概念理解诊断数据集

通过引入细粒度的自然语言中的时间概念的分类,利用反事实视频描述来解开静态和时间信息之间的相关性,并评估典型的视频语言理解模型,揭示了对于视频语言研究中时间元素的更大重视的需求。

AI生成摘要 本文研究了视觉和语言领域,探索了两个最近推出的数据集,NewsVideoQA和M4-ViteVQA,用于视频问答。研究发现,理解场景需要理解视觉和文字内容,而视频中的文字对于回答问题非常重要。实验结果显示,BERT-QA在这两个数据集上的表现与原始方法相当。此外,研究还探讨了域适应方面的问题,挑战和潜在好处。

相关推荐 去reddit讨论

BriefGPT - AI 论文速递 -

应对数据不确定性的考试时间安排问题的鲁棒性方法

本研究通过分析鲁棒优化方法在考试时间表问题上的应用,讨论了几种可能的实现方式,并通过实例生成框架在真实和随机实例上进行了影响分析。

AI生成摘要 该研究提供了现有方法的分类和整合,建立了评估基准,并介绍了一个新数据集。鼓励学术界和工业界进一步改进。

相关推荐 去reddit讨论

热榜 Top10
...
eolink
...
观测云
...
Dify.AI
...
LigaAI
...
白鲸技术栈
...
ShowMeBug
...
天勤数据
推荐或自荐