证据权重法(WofE)在成矿预测中应用广泛,但常违反独立性假设。逻辑回归(LR)作为一种强大的统计方法,克服了这一局限,允许变量间相关性,提供更稳健的预测。LR模型通过logit变换建模成矿概率,具备良好的可解释性和处理复杂关系的能力,适应现代地质数据分析需求。
本研究探讨如何将利益相关者的输入转化为一致的软件设计,提出利用大型语言模型(如GPT-4)提高定性数据分析的效率,显著提升注释的准确性和一致性,减少人工工作量。
本文探讨了图神经网络(GNN)与定性可解释图(QXG)在自动驾驶场景理解中的结合,提出了一种新颖的GNN架构,能够有效识别交通场景中的相关对象,实验结果表明其在对象识别任务中表现优异。
本研究提出了一种新型问答系统SensorChat,能够有效处理复杂传感器数据,准确回答定性和定量问题,其答案准确率比现有最先进系统高出26%。
生成式人工智能(GAI)正在改变教育,特别是在交互设计领域。本文总结了一个为期10周的本科模块的教学经验,强调GAI在项目创意和知识反思中的重要性,同时指出了潜在的挑战和评估需求。最后,探讨了GAI作为教育工具的机会及其实际应用。
研究表明,GPT-4在定位政治文本方面表现出色。在英国政党纲领和美国国会议员推文上的相关性分别为93%和91%。在美国参议员的定位中,与其他估计方法的相关性为97%和96%。这证明了GPT-4是一种快速、经济且可靠的意识形态定位工具。
本文介绍了一种利用大型语言模型的混合方法框架,用于扩展人文社会科学领域的数据分析。通过16个机器辅助案例研究的概念验证,展示了该框架的应用。该方法旨在增强研究者的知识和技能,而不是取代它们。
人工智能在教育领域的发展引起了转变,AI评估量表(AIAS)是一个实用的工具,可以评估GenAI的使用水平。AIAS提供了清晰、透明的方式,帮助教育工作者选择适当的GenAI使用水平。同时,AIAS也意识到在某些情况下GenAI可能不合适或不必要,可以应对教育中GenAI存在的不确定性和焦虑。倡导关注GenAI教育工具的重新聚焦,突出技术如何支持和增强教学和学习。
研究发现,ChatGPT在软件安全任务中有潜力,但在漏洞检测方面可能不适合工业使用。研究者使用真实项目的漏洞数据集进行了实验分析,这将有助于未来开发和评估专门用于软件安全的语言模型。
机器学习和人工智能的快速发展推动了像Hugging Face(HF)这样的平台成为模型开发和共享的中心。本研究报告综合了两项关于HF的研究,重点关注碳排放、ML模型的演化和维护。报告提供了指导性框架,有助于负责任和可持续的ML进展,并促进对ML模型更广泛影响的理解。
本文研究了如何结合定性或传统的文学研究方法,使用情感分析的计算方法来研究芬兰文学经典作品。通过情感词典和词嵌入,绘制了芬兰文学作品的语义情感空间。通过案例研究,提供了975部芬兰小说的情感弧线。文章认为计算分析可以评估文本中情感价值的分布,并提供指导帮助其他研究人员重现发现。计算方法也可作为支持工具,进行基于仔细阅读的分析和大规模比较。
本文通过综述和定性综合研究了声音用户体验的定性方法,强调了其在研究中的好处和增加方法和结果严谨性的机会。同时,还探讨了不同设备和质性实践模式中的体验模式。
本文提出了一种两阶段的辅助代理进化方法,用于解决在大型数据集的封装设置中使用遗传算法进行特征选择时产生的计算问题。通过构建轻量级的定性元模型通过主动选择数据实例进行特征选择任务,并在遗传算法 CHC 的基础上应用该过程来创建定性近似变体 CHCQX。实验证明,CHCQX 对于包含超过 100K...
深度神经网络的正式验证问题已扩展到计数版本,研究提出了一种新策略,通过可达性分析、符号线性松弛和并行计算来增强现有的DNN计数验证的效率。实证评估表明,在可扩展性和效率方面都取得了显著的改进。
本文介绍了一种基于人员提供的数据的定性度量方法,用于衡量开发人员的生产力。传统的度量方法局限于开发周期和产出量,而定性度量方法可以通过开发人员自身提供的数据来衡量和理解开发人员的生产力。文章提供了定性度量的定义、优势和实施指南,并强调了定性度量在衡量开发人员生产力方面的重要性。
本文介绍了一种新颖的方法,用于从多个图像中进行3D物体表面重建。该方法基于神经辐射场和预训练的2D扩散模型的指导,引入了三个组件。实验结果显示,该方法在定量和定性上都取得了显著的改进。
研究探讨了YOLO和RT-DETR算法在奥地利道路的自动化目标检测中的应用,以提高道路安全性。研究利用奥地利道路上的图像和视频构建了选择性数据集,并针对奥地利道路的独特挑战进行了定制化的目标检测方法。
LLM-Eval是一种用于评估开放领域对话系统的多维自动评估方法,可以在单个模型调用中覆盖多个方面,并在各种基准数据集上表现出高效性和适应性。同时,该分析还强调了选择适当的LLM和解码策略以获得准确评估结果的重要性。
该文研究了针对凸目标函数的梯度流、加速梯度下降和随机梯度下降优化方法。研究发现,梯度流在希尔伯特空间中最优,但收敛缓慢;在有限维空间中,存在凸函数的梯度流曲线,其减小速度比任何单调递减且在无穷远处可积的给定函数更慢。类似的结果也适用于离散时间梯度下降、具有乘积噪声的随机梯度下降和重球 ODE 问题。
该研究探索了空间规划和自然语言界面与导航的交叉问题,研究了对话交互中的隐式指令。通过利用3D模拟器AI2Thor创建复杂且可重复的场景,并增加复杂的语言查询,证明了机器人能够更好地解析描述性语言查询。
完成下面两步后,将自动完成登录并继续当前操作。