Jika Anda belum tahu

Jika Anda belum tahu

Stempel Waktu: 7 November 2023 1
Node Sumber: 2969389

Grafik Jaringan Neural Berulang Konvolusional (GCRNN) google
Proses grafik memodelkan sejumlah masalah penting seperti mengidentifikasi pusat gempa atau memprediksi cuaca. Dalam makalah ini, kami mengusulkan arsitektur Graph Convolutional Recurrent Neural Network (GCRNN) yang dirancang khusus untuk mengatasi masalah ini. GCRNN menggunakan bank filter konvolusional untuk menjaga jumlah parameter yang dapat dilatih tidak bergantung pada ukuran grafik dan urutan waktu yang dipertimbangkan. Kami juga mengedepankan Gated GCRNN, variasi GCRNN dengan batasan waktu yang mirip dengan LSTM. Jika dibandingkan dengan GNN dan arsitektur berulang grafik lainnya dalam eksperimen menggunakan data sintetis dan data nyata, GCRNN secara signifikan meningkatkan performa dengan menggunakan lebih sedikit parameter. …

Reteksi google
Pengujian dalam Continuous Integration (CI) melibatkan prioritas kasus uji, seleksi, dan eksekusi pada setiap siklus. Memilih kasus pengujian yang paling menjanjikan untuk mendeteksi bug akan sulit dilakukan jika terdapat ketidakpastian mengenai dampak perubahan kode yang dilakukan atau, jika hubungan ketertelusuran antara kode dan pengujian tidak tersedia. Makalah ini memperkenalkan Retecs, sebuah metode baru untuk secara otomatis mempelajari pemilihan dan penentuan prioritas kasus uji di CI dengan tujuan meminimalkan waktu bolak-balik antara penerapan kode dan umpan balik pengembang pada kasus uji yang gagal. Metode Retecs menggunakan pembelajaran penguatan untuk memilih dan memprioritaskan kasus uji berdasarkan durasinya, eksekusi terakhir sebelumnya, dan riwayat kegagalan. Dalam lingkungan yang terus berubah, di mana kasus pengujian baru dibuat dan kasus pengujian yang usang dihapus, metode Retecs belajar untuk memprioritaskan kasus pengujian yang rawan kesalahan lebih tinggi di bawah bimbingan fungsi penghargaan dan dengan mengamati siklus CI sebelumnya. Dengan menerapkan Retecs pada data yang diambil dari tiga studi kasus industri, kami menunjukkan untuk pertama kalinya bahwa pembelajaran penguatan memungkinkan pemilihan dan penentuan prioritas kasus uji adaptif otomatis yang bermanfaat dalam pengujian CI dan regresi. …

Kebijaksanaan Orang Banyak (WOC) google
Kebijaksanaan orang banyak merupakan opini kolektif dari sekelompok individu dan bukan opini seorang ahli. Jawaban gabungan kelompok besar terhadap pertanyaan-pertanyaan yang melibatkan estimasi kuantitas, pengetahuan umum dunia, dan penalaran spasial umumnya sama baiknya, dan sering kali lebih baik daripada, jawaban yang diberikan oleh individu mana pun dalam kelompok tersebut. Penjelasan atas fenomena ini adalah adanya kebisingan khusus yang diasosiasikan dengan setiap penilaian individu, dan mengambil rata-rata dari sejumlah besar tanggapan akan menghilangkan efek dari kebisingan ini.[1] Proses ini, meskipun bukan hal baru di Era Informasi, telah menjadi sorotan utama oleh situs informasi sosial seperti Wikipedia, Yahoo! Jawaban, Quora, dan sumber daya web lainnya yang mengandalkan opini manusia.[2] Uji coba oleh juri dapat dimaknai sebagai kebijaksanaan orang banyak, apalagi bila dibandingkan dengan alternatifnya, uji coba oleh hakim, yaitu ahli tunggal. Dalam politik, terkadang penyortiran dianggap sebagai contoh seperti apa kearifan massa. Pengambilan keputusan akan dilakukan oleh kelompok yang beragam, bukan oleh kelompok atau partai politik yang cukup homogen. Penelitian dalam ilmu kognitif telah berupaya memodelkan hubungan antara kebijaksanaan efek kerumunan dan kognisi individu.
WoCE: kerangka kerja untuk pengelompokan ansambel dengan memanfaatkan kebijaksanaan teori Crowds ...

Analisis Korelasi Kanonik Tertimbang Jarang (SWCCA) google
Dengan adanya dua matriks data $X$ dan $Y$, analisis korelasi kanonik renggang (SCCA) adalah mencari dua vektor kanonik renggang $u$ dan $v$ untuk memaksimalkan korelasi antara $Xu$ dan $Yv$. Namun, model CCA klasik dan sparse mempertimbangkan kontribusi semua sampel matriks data sehingga tidak dapat mengidentifikasi subset sampel spesifik yang mendasarinya. Untuk tujuan ini, kami mengusulkan analisis korelasi kanonik tertimbang renggang (SWCCA) yang baru, di mana bobot digunakan untuk mengatur sampel yang berbeda. Kami menyelesaikan SWCCA yang diregulasi $L_0$ ($L_0$-SWCCA) menggunakan algoritma iteratif bergantian. Kami menerapkan $L_0$-SWCCA pada data sintetis dan data dunia nyata untuk menunjukkan efektivitas dan keunggulannya dibandingkan metode terkait. Terakhir, kami juga mempertimbangkan SWCCA dengan penalti berbeda seperti LASSO (Operator penyusutan dan seleksi absolut terkecil) dan Grup LASSO, dan memperluasnya untuk mengintegrasikan lebih dari tiga matriks data. …

Stempel Waktu:

Lebih dari AnalisisXon