Graph Convolutional Recurrent Neural Network (GCRNN) 
Diagramprocesser modellerar ett antal viktiga problem som att identifiera epicentrum för en jordbävning eller förutsäga väder. I den här artikeln föreslår vi en Graph Convolutional Recurrent Neural Network (GCRNN)-arkitektur som är speciellt anpassad för att hantera dessa problem. GCRNN använder faltningsfilterbanker för att hålla antalet inlärningsbara parametrar oberoende av storleken på grafen och av de tidssekvenser som beaktas. Vi presenterade också Gated GCRNNs, en tidsstyrd variant av GCRNN som liknar LSTM. Jämfört med GNN:er och en annan grafisk återkommande arkitektur i experiment som använder både syntetiska och verkliga orddata, förbättrar GCRNN:er avsevärt prestanda samtidigt som de använder betydligt färre parametrar. …
Retecs
Testning i kontinuerlig integration (CI) involverar prioritering, urval och exekvering av testfall vid varje cykel. Att välja ut de mest lovande testfallen för att upptäcka buggar är svårt om det finns osäkerheter om effekten av begångna kodändringar eller om spårbarhetslänkar mellan kod och tester inte är tillgängliga. Den här artikeln introducerar Retecs, en ny metod för att automatiskt lära sig val och prioritering av testfall i CI med målet att minimera tiden mellan kodbekräftelser och feedback från utvecklare på misslyckade testfall. Retecs-metoden använder förstärkningsinlärning för att välja och prioritera testfall enligt deras varaktighet, tidigare senaste exekvering och felhistorik. I en ständigt föränderlig miljö, där nya testfall skapas och föråldrade testfall raderas, lär sig Retecs-metoden att prioritera felbenägna testfall högre under ledning av en belöningsfunktion och genom att observera tidigare CI-cykler. Genom att tillämpa Retecs på data som extraherats från tre industriella fallstudier visar vi för första gången att förstärkningsinlärning möjliggör fruktbart automatiskt adaptivt testfallsval och prioritering i CI och regressionstestning. …
Wisdom of Crowds (WOC)
Folkmassans visdom är en grupp individers kollektiva åsikt snarare än en enda experts. En stor grupps aggregerade svar på frågor som involverar kvantitetsuppskattning, allmän världskunskap och rumsliga resonemang har i allmänhet visat sig vara lika bra som och ofta bättre än svaret som ges av någon av individerna inom gruppen. En förklaring till detta fenomen är att det finns idiosynkratiskt brus förknippat med varje enskild bedömning, och att ta genomsnittet över ett stort antal svar kommer att gå en bit mot att upphäva effekten av detta brus.[1] Denna process, även om den inte är ny för informationsåldern, har skjutits in i det vanliga rampljuset av sociala informationssajter som Wikipedia, Yahoo! Answers, Quora och andra webbresurser som förlitar sig på mänsklig åsikt.[2] Rättegång av jury kan förstås som visdom från mängden, särskilt i jämförelse med alternativet, rättegång av en domare, den enda experten. I politiken hålls ibland sortering som ett exempel på hur folkmassans visdom skulle se ut. Beslutsfattande skulle ske av en mångfaldig grupp istället för av en ganska homogen politisk grupp eller parti. Forskning inom kognitionsvetenskap har försökt modellera förhållandet mellan visdom of the crowd-effekter och individuell kognition.
WoCE: ett ramverk för klustring av ensemble genom att utnyttja visdomen i Crowds-teorin .
Sparse Weighted Canonical Correlation Analysis (SWCCA)
Givet två datamatriser $X$ och $Y$, är sparsam kanonisk korrelationsanalys (SCCA) att söka två glesa kanoniska vektorer $u$ och $v$ för att maximera korrelationen mellan $Xu$ och $Yv$. Klassiska och glesa CCA-modeller tar dock hänsyn till bidraget från alla sampel av datamatriser och kan därför inte identifiera en underliggande specifik delmängd av sampel. För detta ändamål föreslår vi en ny sparseweed canonical korrelationsanalys (SWCCA), där vikter används för att reglera olika prover. Vi löser den $L_0$-regulariserade SWCCA ($L_0$-SWCCA) med en alternerande iterativ algoritm. Vi tillämpar $L_0$-SWCCA på syntetisk data och verklig data för att visa dess effektivitet och överlägsenhet jämfört med relaterade metoder. Slutligen överväger vi också SWCCA med olika påföljder som LASSO (Minst absolut krympnings- och urvalsoperatör) och Group LASSO, och utökar den för att integrera mer än tre datamatriser. …
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://analytixon.com/2023/11/07/if-you-did-not-already-know-2197/
