Eğer zaten bilmiyorsan

Eğer zaten bilmiyorsan

Zaman Damgası: 7 Kasım 2023 1:19
Kaynak Düğüm: 2969389

Grafik Evrişimsel Tekrarlayan Sinir Ağı (GCRNN) google
Grafik süreçleri, bir depremin merkez üssünün belirlenmesi veya hava durumunun tahmin edilmesi gibi bir dizi önemli problemi modellemektedir. Bu yazıda, bu sorunların üstesinden gelmek için özel olarak tasarlanmış bir Grafik Evrişimli Tekrarlayan Sinir Ağı (GCRNN) mimarisi öneriyoruz. GCRNN'ler, eğitilebilir parametrelerin sayısını grafiğin boyutundan ve dikkate alınan zaman dizilerinden bağımsız tutmak için evrişimli filtre bankalarını kullanır. Ayrıca, LSTM'lere benzer GCRNN'lerin zaman kapılı bir varyasyonu olan Geçitli GCRNN'leri de öne sürdük. Hem sentetik hem de gerçek sözcük verilerinin kullanıldığı deneylerde GNN'ler ve başka bir grafik yinelemeli mimariyle karşılaştırıldığında, GCRNN'ler önemli ölçüde daha az parametre kullanırken performansı önemli ölçüde artırır. …

Retec'ler google
Sürekli Entegrasyonda (CI) test, her döngüde test senaryosunun önceliklendirilmesini, seçilmesini ve yürütülmesini içerir. Yapılan kod değişikliklerinin etkisine ilişkin belirsizlikler varsa veya kod ile testler arasında izlenebilirlik bağlantıları mevcut değilse, hataları tespit etmek için en umut verici test senaryolarını seçmek zordur. Bu belgede, kod taahhütleri ile başarısız test senaryolarına ilişkin geliştirici geri bildirimi arasındaki gidiş-dönüş süresini en aza indirmek amacıyla CI'da test senaryosu seçimini ve önceliklendirmesini otomatik olarak öğrenmeye yönelik yeni bir yöntem olan Retecs tanıtılmaktadır. Retecs yöntemi, test senaryolarını sürelerine, önceki son yürütmeye ve başarısızlık geçmişine göre seçmek ve önceliklendirmek için takviyeli öğrenmeyi kullanır. Yeni test senaryolarının oluşturulduğu ve eski test senaryolarının silindiği, sürekli değişen bir ortamda Retecs yöntemi, bir ödül fonksiyonunun rehberliğinde ve önceki CI döngülerini gözlemleyerek hataya açık test senaryolarına daha yüksek öncelik vermeyi öğrenir. Retecs'i üç endüstriyel vaka çalışmasından elde edilen verilere uygulayarak, ilk kez takviyeli öğrenmenin, CI ve regresyon testinde verimli otomatik uyarlanabilir test senaryosu seçimi ve önceliklendirme sağladığını gösterdik. …

Kalabalıkların Bilgeliği (WOC) google
Kalabalığın bilgeliği tek bir uzmanın değil, bir grup bireyin kolektif görüşüdür. Büyük bir grubun nicelik tahmini, genel dünya bilgisi ve mekansal akıl yürütmeyi içeren sorulara toplu yanıtlarının genellikle grup içindeki herhangi bir bireyin verdiği yanıt kadar ve çoğu zaman da ondan daha iyi olduğu bulunmuştur. Bu fenomenin bir açıklaması, her bir bireysel kararla ilişkilendirilen kendine özgü bir gürültünün bulunması ve çok sayıda yanıtın ortalamasını almanın, bu gürültünün etkisini iptal etme yönünde bir miktar yol kat etmesidir.[1] Bu süreç, Bilgi Çağı için yeni olmasa da, Wikipedia, Yahoo! gibi sosyal bilgi siteleri tarafından ana akım ilgi odağı haline getirildi. Cevaplar, Quora ve insan görüşüne dayanan diğer web kaynakları.[2] Jüri tarafından yargılama, özellikle alternatif olan, hakim tarafından, yani tek bilirkişi tarafından yapılan yargılamayla karşılaştırıldığında, kalabalığın bilgeliği olarak anlaşılabilir. Siyasette bazen kalabalığın bilgeliğinin nasıl görüneceğine örnek olarak tasnif yapılır. Karar alma, oldukça homojen bir siyasi grup veya parti yerine, çeşitliliğe sahip bir grup tarafından gerçekleştirilecektir. Bilişsel bilim alanındaki araştırmalar, kalabalık etkilerinin bilgeliği ile bireysel biliş arasındaki ilişkiyi modellemeye çalıştı.
WoCE: Kalabalık teorisinin bilgeliğinden yararlanarak topluluğu kümelemek için bir çerçeve ...

Seyrek Ağırlıklı Kanonik Korelasyon Analizi (SWCCA) google
İki veri matrisi $X$ ve $Y$ verildiğinde, seyrek kanonik korelasyon analizi (SCCA), $Xu$ ve $Yv$ arasındaki korelasyonu maksimuma çıkarmak için iki seyrek kanonik vektör $u$ ve $v$'yi aramaktır. Bununla birlikte, klasik ve seyrek CCA modelleri, veri matrislerinin tüm örneklerinin katkısını dikkate alır ve bu nedenle, temeldeki belirli bir örnek alt kümesini tanımlayamaz. Bu amaçla, farklı örnekleri düzenlemek için ağırlıkların kullanıldığı yeni bir seyrek ağırlıklı kanonik korelasyon analizi (SWCCA) öneriyoruz. Alternatif bir yinelemeli algoritma kullanarak $L_0$-düzenli SWCCA'yı ($L_0$-SWCCA) çözüyoruz. İlgili yöntemlere kıyasla etkinliğini ve üstünlüğünü göstermek için sentetik verilere ve gerçek dünya verilerine $L_0$-SWCCA uyguluyoruz. Son olarak LASSO (En Az Mutlak Küçülme ve Seçim Operatörü) ve Grup LASSO gibi farklı cezalara sahip SWCCA'yı da ele alıyoruz ve üçten fazla veri matrisini entegre edecek şekilde genişletiyoruz. …

Zaman Damgası:

Den fazla Analitikon