Εάν δεν το γνωρίζατε ήδη

Εάν δεν το γνωρίζατε ήδη

Χρονική σήμανση: 7 Νοεμβρίου 2023 1:19 μ.μ.
Κόμβος πηγής: 2969389

Γράφημα συνελικτικό επαναλαμβανόμενο νευρωνικό δίκτυο (GCRNN) google
Οι διεργασίες γραφημάτων μοντελοποιούν μια σειρά από σημαντικά προβλήματα, όπως η αναγνώριση του επίκεντρου ενός σεισμού ή η πρόβλεψη του καιρού. Σε αυτό το έγγραφο, προτείνουμε μια αρχιτεκτονική συνελικτικού επαναλαμβανόμενου νευρικού δικτύου (GCRNN) ειδικά προσαρμοσμένη για την αντιμετώπιση αυτών των προβλημάτων. Τα GCRNN χρησιμοποιούν συνελικτικές τράπεζες φίλτρων για να διατηρούν τον αριθμό των εκπαιδεύσιμων παραμέτρων ανεξάρτητο από το μέγεθος του γραφήματος και τις χρονικές ακολουθίες που εξετάζονται. Προβάλαμε επίσης Gated GCRNN, μια παραλλαγή των GCRNN με χρονική φραγή παρόμοια με τα LSTM. Σε σύγκριση με τα GNN και μια άλλη επαναλαμβανόμενη αρχιτεκτονική γραφημάτων σε πειράματα που χρησιμοποιούν δεδομένα συνθετικών και πραγματικών λέξεων, τα GCRNN βελτιώνουν σημαντικά την απόδοση ενώ χρησιμοποιούν πολύ λιγότερες παραμέτρους. …

Retecs google
Η δοκιμή στη συνεχή ολοκλήρωση (CI) περιλαμβάνει ιεράρχηση, επιλογή και εκτέλεση δοκιμαστικών περιπτώσεων σε κάθε κύκλο. Η επιλογή των πιο υποσχόμενων δοκιμαστικών περιπτώσεων για τον εντοπισμό σφαλμάτων είναι δύσκολη, εάν υπάρχουν αβεβαιότητες σχετικά με τον αντίκτυπο των δεσμευμένων αλλαγών κώδικα ή, εάν δεν είναι διαθέσιμοι σύνδεσμοι ιχνηλασιμότητας μεταξύ κώδικα και δοκιμών. Αυτή η εργασία εισάγει το Retecs, μια νέα μέθοδο για την αυτόματη εκμάθηση της επιλογής δοκιμαστικών περιπτώσεων και την ιεράρχηση προτεραιοτήτων στο CI με στόχο την ελαχιστοποίηση του χρόνου μετ' επιστροφής μεταξύ των δεσμεύσεων κώδικα και της ανατροφοδότησης προγραμματιστή για αποτυχημένες δοκιμαστικές περιπτώσεις. Η μέθοδος Retecs χρησιμοποιεί ενισχυτική μάθηση για την επιλογή και την ιεράρχηση των δοκιμαστικών περιπτώσεων σύμφωνα με τη διάρκειά τους, την προηγούμενη τελευταία εκτέλεση και το ιστορικό αποτυχίας. Σε ένα συνεχώς μεταβαλλόμενο περιβάλλον, όπου δημιουργούνται νέες περιπτώσεις δοκιμών και διαγράφονται παρωχημένες περιπτώσεις δοκιμών, η μέθοδος Retecs μαθαίνει να δίνει προτεραιότητα σε περιπτώσεις δοκιμών που είναι επιρρεπείς σε σφάλματα υψηλότερα υπό την καθοδήγηση μιας συνάρτησης ανταμοιβής και παρατηρώντας προηγούμενους κύκλους CI. Εφαρμόζοντας το Retecs σε δεδομένα που εξήχθησαν από τρεις βιομηχανικές περιπτωσιολογικές μελέτες, δείχνουμε για πρώτη φορά ότι η ενισχυτική μάθηση επιτρέπει την γόνιμη αυτόματη προσαρμοστική επιλογή δοκιμαστικών περιπτώσεων και την ιεράρχηση προτεραιοτήτων σε δοκιμές CI και παλινδρόμησης. …

Wisdom of Crowds (WOC) google
Η σοφία του πλήθους είναι η συλλογική γνώμη μιας ομάδας ατόμων και όχι αυτή ενός μεμονωμένου ειδικού. Οι συγκεντρωτικές απαντήσεις μιας μεγάλης ομάδας σε ερωτήσεις που αφορούν την εκτίμηση της ποσότητας, τη γενική γνώση του κόσμου και τον χωρικό συλλογισμό έχει γενικά βρεθεί ότι είναι εξίσου καλές και συχνά καλύτερες από την απάντηση που δίνεται από οποιοδήποτε από τα άτομα της ομάδας. Μια εξήγηση για αυτό το φαινόμενο είναι ότι υπάρχει ιδιοσυγκρασιακός θόρυβος που σχετίζεται με κάθε μεμονωμένη κρίση και η λήψη του μέσου όρου σε έναν μεγάλο αριθμό απαντήσεων θα συμβάλει στην εξάλειψη της επίδρασης αυτού του θορύβου.[1] Αυτή η διαδικασία, αν και δεν είναι νέα στην Εποχή της Πληροφορίας, έχει ωθηθεί στο επίκεντρο του ενδιαφέροντος από ιστότοπους κοινωνικής πληροφόρησης όπως η Wikipedia, το Yahoo! Απαντήσεις, Quora και άλλοι πόροι ιστού που βασίζονται στην ανθρώπινη γνώμη.[2] Η δίκη από ενόρκους μπορεί να γίνει κατανοητή ως σοφία του πλήθους, ειδικά όταν συγκρίνεται με την εναλλακτική, τη δίκη από έναν δικαστή, τον μοναδικό εμπειρογνώμονα. Στην πολιτική, μερικές φορές η ταξινόμηση γίνεται ως παράδειγμα για το πώς θα έμοιαζε η σοφία του πλήθους. Η λήψη αποφάσεων θα γινόταν από μια διαφορετική ομάδα αντί από μια αρκετά ομοιογενή πολιτική ομάδα ή κόμμα. Η έρευνα στο πλαίσιο της γνωστικής επιστήμης έχει προσπαθήσει να μοντελοποιήσει τη σχέση μεταξύ της σοφίας των επιδράσεων του πλήθους και της ατομικής γνώσης.
WoCE: ένα πλαίσιο για ομαδοποίηση συνόλου αξιοποιώντας τη σοφία της θεωρίας Crowds ...

Ανάλυση αραιής σταθμισμένης κανονικής συσχέτισης (SWCCA) google
Λαμβάνοντας υπόψη δύο πίνακες δεδομένων $X$ και $Y$, η ανάλυση αραιής κανονικής συσχέτισης (SCCA) είναι να αναζητηθούν δύο αραιά κανονικά διανύσματα $u$ και $v$ για να μεγιστοποιηθεί η συσχέτιση μεταξύ $Xu$ και $Yv$. Ωστόσο, τα κλασικά και αραιά μοντέλα CCA λαμβάνουν υπόψη τη συμβολή όλων των δειγμάτων πινάκων δεδομένων και επομένως δεν μπορούν να προσδιορίσουν ένα υποκείμενο συγκεκριμένο υποσύνολο δειγμάτων. Για το σκοπό αυτό, προτείνουμε μια νέα αραιή σταθμισμένη κανονική ανάλυση συσχέτισης (SWCCA), όπου τα βάρη χρησιμοποιούνται για την τακτοποίηση διαφορετικών δειγμάτων. Επιλύουμε το $L_0$-ρυθμισμένο SWCCA ($L_0$-SWCCA) χρησιμοποιώντας έναν εναλλασσόμενο επαναληπτικό αλγόριθμο. Εφαρμόζουμε $L_0$-SWCCA σε συνθετικά δεδομένα και δεδομένα πραγματικού κόσμου για να αποδείξουμε την αποτελεσματικότητα και την υπεροχή του σε σύγκριση με σχετικές μεθόδους. Τέλος, λαμβάνουμε υπόψη και το SWCCA με διαφορετικές ποινές όπως το LASSO (Τελευτής ελάχιστης απόλυτης συρρίκνωσης και επιλογής) και το Group LASSO, και το επεκτείνουμε για την ενσωμάτωση περισσότερων από τριών πινάκων δεδομένων. …

Σφραγίδα ώρας:

Περισσότερα από Αναλυτικά