标签

 机器学习 

相关的文章:

探索机器学习在不同领域的案例研究,包括可解释性、数据分析和模型鲁棒性等方面的应用。

合作 餐人隧道模型中轨道顺序的动力学:机器学习辅助的大规模模拟

原文约500字,阅读约需2分钟。发表于:

我们提出了一种可扩展的机器学习力场模型,用于合作简 - 泰勒 (JT) 系统的绝热动力学。在 JT 模型的大规模动力学模拟中,我们也揭示了巨磁电阻锰酸盐中轨道有序动力学的一些启示。这些材料中的 JT 效应描述了由与 $e_g$ 电子轨道自由度耦合驱动的局域氧八面体变形。局域 JT 模式之间的有效电子介导相互作用导致结构转变和低温下长程轨道有序的出现。基于局部性原理,我们开发了一个深度学习神经网络模型,准确高效地预测驱动 JT 声子动力学演化的电子诱导力。我们采用群论方法开发了一个描述符,将轨道对称性和晶体格子对称性结合到机器学习模型中。利用机器学习力场模型,进行了大规模 Langevin 动力学模拟,研究了热淬后复合 JT 畸变和轨道有序的粗化动力学。轨道域的后期粗化展示出明显的冻结行为,这可能与域结构的异常形态有关。我们的工作为相关电子系统的多尺度动力学建模提供了一个有希望的途径。

我们提出了一种可扩展的机器学习力场模型,用于合作简 - 泰勒 (JT) 系统的绝热动力学。通过大规模动力学模拟,我们揭示了巨磁电阻锰酸盐中轨道有序动力学的一些启示。利用机器学习力场模型,进行了大规模 Langevin 动力学模拟,研究了热淬后复合 JT 畸变和轨道有序的粗化动力学。

相关推荐 去reddit讨论

FloodDamageCast: 基于机器学习和数据增强的洪水损害实时预测

原文约500字,阅读约需2分钟。发表于:

在本研究中,我们引入了 FloodDamageCast 这一针对财产洪水损害的机器学习框架,利用异构数据以 500 米 ×500 米的分辨率预测 2017 年 “哈维飓风” 期间德克萨斯州哈里斯县的住宅洪涝损害,结果展示了该模型发现基线模型可能会忽视的高损害空间区域的能力。洪涝损害预测的见解可以帮助应急响应人员更有效地确定修复需求、分配资源,并简化地面检查,从而节约时间和精力。

该研究使用深度学习评估自然灾害中的建筑损害,通过遥感数据解决了推广到新灾难和地区的挑战,考虑了低质量和噪声标签的影响。研究发现,3米的卫星图像分辨率对于有效的建筑损害检测至关重要。U-Net Siamese网络集成在不同深度学习模型和技术中表现最佳。研究还评估了通用模型和洪水专家模型,并探讨了在特定领域数据中的通用性差距和分布。该研究揭示了人工智能在评估气候变化引发的极端天气事件影响方面的潜力和局限性。

相关推荐 去reddit讨论

通过机器学习在闪电网络中进行通道平衡插值

原文约300字,阅读约需1分钟。发表于:

探索使用机器学习模型来插值网络中的通道余额的可行性,以优化网络的路径搜索算法。

该论文提出了一种将深度学习神经网络与混合密度网络模型相结合的新方法,用于普通无线通信系统中接收功率的条件概率密度函数(PDF)。实验结果表明该方法在准确性、速度和鲁棒性方面优于以前的基于深度学习的信道模型。

相关推荐 去reddit讨论

滑坡易发性成图的可解释性不确定性:统计、机器学习和深度学习模型的比较分析

原文约300字,阅读约需1分钟。发表于:

采用不同的方法研究了统计学、机器学习和深度学习模型在预测滑坡易发性方面的可解释性,并比较了这些模型的准确性。结果表明,卷积神经网络模型在准确性方面表现最好,而极限梯度提升和支持向量机也具有强大的预测能力,优于传统的统计模型。然而,模型的解释能力因模型而异,尤其是在使用较广泛的 19 个贡献因素时。使用专门的 9 个触发因素增加了模型的可解释性,但降低了一些预测能力。

该研究比较了统计学、机器学习和深度学习模型在预测滑坡易发性方面的准确性和可解释性。结果显示卷积神经网络模型表现最佳,极限梯度提升和支持向量机也具有强大的预测能力。模型的解释能力因模型和贡献因素而异。使用专门的触发因素可以增加模型的可解释性,但可能降低一些预测能力。

相关推荐 去reddit讨论

利用机器学习对藻类和木材共热解进行生物炭产率的三相协同效应分析

原文约200字,阅读约需1分钟。发表于:

利用热解技术有效利用天然和人造生物质产品,如塑料,木材,废弃物,果皮等,通过混合不同的生物质以一定比例,获得了更高产的生物炭、生物油和其他非冷凝气体的关联性分析和各生物炭产率的分组,此外还利用了机器学习(ML)和深度学习(DL)算法,综合地研究了两种不同生物质材料对生物炭产量的协同作用。

通过热解技术混合不同生物质获得更高产的生物炭、生物油和非冷凝气体。研究了两种不同生物质材料对生物炭产量的协同作用。

相关推荐 去reddit讨论

【Rust日报】2024-05-14 bonk - 用机器学习来检查色情内容

原文约800字,阅读约需2分钟。发表于:

模拟starscraft,子弹弹道 - Rust描述 这篇文章,旨在演示实时战略游戏(RTS)设计中的一些重要原则。作者指出,单独考虑单位属性可能会误导,例如,Stalker 在纸面上的 DPS 大约为 9.7,但与 Marines 战斗时,由于过杀伤,其有效 DPS 降至约 8.4(如果考虑到战斗盾则为 8.2)。作者计划通过自己的模拟来预测战斗行为,以便更好地理解单位之间的相互作用。文章详细介绍了作者的动机、目标和计划,并提供了项目的源代码¹。如果您对 RTS 设计感兴趣,这篇文章可能会对您有所帮助! blog bonk - 用机器学习来检查色情内容 bonk,是一个使用机器学习来检测图像中是否包含裸露内容的简单命令行工具。作者使用 Rust 编写了这个工具,目的是自动化检查客户网站上的图片,以确保不包含裸露内容。如果你对 Rust 或者图像处理感兴趣,可以查看这个项目的详细信息。 Blog Rust中的数据竞争场景 https://redixhumayun.github.io/concurrency/2024/05/17/data-race-vs-race-condition.html 这篇文章中给出了几个在Rust中可能会出现的竞争条件和死锁的例子。 GPT-Burn - 使用 Burn 框架实现一个GPT服务 当然这只是一个Toy,目的是学习GPT是怎么做出来的,这个流程。 https://github.com/felix-andreas/gpt-burn 通过100个练习来学习Rust 一本新的电子书,通过100个精心设计的例子来让新手入门。 https://rust-exercises.com/ -- From 日报小组 Mike 社区学习交流平台订阅: Rustcc论坛: 支持rss 微信公众号:Rust语言中文社区

这篇文章涵盖了几个与Rust编程相关的主题,包括实时战略游戏设计原则、使用机器学习检测色情内容、Rust中的数据竞争场景、使用Burn框架实现GPT服务以及通过100个练习学习Rust的电子书。

相关推荐 去reddit讨论

SMLP:符号机器学习证明器(用户手册)

原文约300字,阅读约需1分钟。发表于:

SMLP 是一个开源工具,用于探索和优化由机器学习模型表示的系统。SMLP 使用符号推理进行模型的探索和优化,遵循验证和稳定性约束,并基于 SMT、约束和神经网络求解器。

基于符号机器学习证明器 (SMLP) 的数据样本系统探索工具和库,通过模拟或执行系统的一系列输入向量获得。SMLP 旨在通过灰盒方法基于数据对系统进行探索,结合概率和形式方法。已应用于 Intel 的工业环境中,用于分析和优化模拟电路的硬件设计。SMLP 是一个通用工具,可应用于可由机器学习模型对系统进行采样和建模的系统。

相关推荐 去reddit讨论

Qiskit 中基因组数据的量子机器学习算法的独立实现

原文约300字,阅读约需1分钟。发表于:

本文探讨了量子机器学习的潜力,通过在 Qiskit 中利用多种特征映射技术对基因组序列分类,扩展、实现和评估了量子支持向量分类器(QSVC),Pegasos-QSVC,变分量子电路(VQC)和量子神经网络(QNN)等算法。

我们引入了一种革新性的量子增强支持向量机(QSVM)方法,利用量子计算和GPU加速进行恒星分类。QSVM算法在处理复杂的二元和多类别情况下优于传统方法,尤其是在哈佛恒星分类系统中。量子原理的整合显著提高了分类准确性,而使用cuQuantum SDK进行GPU加速确保了量子模拟器中大数据集的计算效率和可扩展性。这种协同作用不仅加快了处理过程,还提高了分类不同恒星类型的准确性,为天体物理学和相关科学领域的研究提供了量子机器学习的变革潜力,将恒星分类的精度和处理速度提升到新水平。

相关推荐 去reddit讨论

一种用于同时解调 QAM 和 APSK 星座图的机器学习方法

原文约300字,阅读约需1分钟。发表于:

本文介绍了一种新颖的概率框架,使得单个深度神经网络解调器能够同时解调多个 QAM 和 APSK 星座。通过利用星座族的层次关系,我们的框架需要更少的神经网络输出来编码相同的功能,而不增加误码率。仿真实验结果表明,我们的方法在加性白高斯噪声信道中逼近了多个星座的最优解调误差界,从而解决了使得深度神经网络足够灵活以实际用作接收器的多个重要问题。

本文介绍了一种新颖的概率框架,使得单个深度神经网络解调器能够同时解调多个 QAM 和 APSK 星座。通过利用星座族的层次关系,我们的框架需要更少的神经网络输出来编码相同的功能,而不增加误码率。仿真实验结果表明,我们的方法在加性白高斯噪声信道中逼近了多个星座的最优解调误差界,从而解决了使得深度神经网络足够灵活以实际用作接收器的多个重要问题。

相关推荐 去reddit讨论

基于机器学习的简化特征路径损耗建模

原文约200字,阅读约需1分钟。发表于:

简化的环境信息在无线信号传播预测中提供了高效而有效的解决方案,通过使用方便且准确的障碍物深度作为预测模型,可用于传播建模、无线部署和频谱规划。

该论文提出了一种利用接收信号强度数据和环境几何结构的机器学习方法,用于快速构建5G及以后无线通信系统的信道模型。实验证明,该模型在重建3D虚拟环境方面表现出色,并在无线电地图构建方面优于现有方法,准确性提高了10%-18%。同时,该模型在转移到新环境时可以减少20%的数据和50%的训练时期。

相关推荐 去reddit讨论