Публикации по теме 'science'
Как ведет себя звездное население, часть 2 (Космология)
Хемодинамика звездного населения в M31 по данным интегрированной световой спектроскопии APOGEE (arXiv)
Автор: Бенджамин Дж. Гибсон , Гейл Засовски , Анил Сет , Айшвария Ашок , Кэмерон Гулд , Тобин Вайнер , Стен Хассельквист , Джон Хольцман , Джули Имиг , Дмитрий Бизяев , Стивен Р. Маевски
Аннотация: Мы представляем анализ почти 1000 интегральных световых спектров ближнего инфракрасного диапазона от APOGEE во внутренней области ~7 кпк M31. Мы используем аппроксимацию..
Инновационные исследования межзвездной среды, часть 5 (Космология)
JADES: Исследование условий межзвездной среды на z ~ 5,5–9,5 с помощью сверхглубокой спектроскопии JWST/NIRSpec (arXiv)
Автор: Алекс Дж. Кэмерон , Ааюш Саксена , Эндрю Дж. Банкер , Франческо Д'Эудженио , Стефано Карниани , Роберто Майолино , Эмма Кертис-Лейк , Пьер Ферруит , Питер Якобсен , Сантьяго Аррибас , Нина Бонавентура , Стефан Шарло , Якопо Шевальяр , Мирко Курти , Тобиас Дж. Лузер , Майкл В. Маседа , Тим Роул , Бруно Родригес Дель Пино , Ренске Смит , Ханна..
Самостоятельное обучение компьютерному зрению
Как обучать модели всего с несколькими помеченными примерами
До сих пор большая часть ценности, создаваемой искусственным интеллектом, исходила от контролируемых моделей, обученных на все более крупных наборах данных. Многие из этих наборов данных были помечены людьми, что является рутинной, трудоемкой, подверженной ошибкам и иногда дорогостоящей работой. Самоконтролируемое обучение (SSL) — это другая парадигма обучения, позволяющая машинам учиться на немаркированных данных. В этой..
Понимание уравнения Дирака – Кэлера, часть 2 (теоретическая физика)
Фермионы Дирака-Кэлера и суперсимметрия точной решетки (arXiv)
Автор : Саймон Каттеролл
Аннотация: мы обсуждаем новый подход к размещению суперсимметричных теорий на решетке. Основная идея состоит в том, чтобы начать с {\it скрученной} формулировки лежащей в основе суперсимметричной теории, в которой фермионы представлены как антисимметричные тензорные поля со значениями Грассмана. Исходная алгебра суперсимметрии заменяется скрученной алгеброй, которая содержит скалярный..
Машинное обучение делает песто еще вкуснее
Машинное обучение использовалось для создания очень вкусных растений базилика.
Хотя мы, к сожалению, не можем из первых рук сообщить о вкусе травы, усилия отражают более широкую тенденцию, которая включает использование науки о данных и машинного обучения для улучшения сельского хозяйства.
Исследователи, создавшие базилик, оптимизированный под ИИ, использовали машинное обучение, чтобы определить условия выращивания, которые максимизируют концентрацию летучих соединений, отвечающих за..
Наборы для тестирования не требуются: тестирование пациентов на COVID-19 с использованием данных
Мы прямо сейчас посреди большого беспорядка. Крах мировой экономики, голод, хаос. Наши лидеры переходят от розыгрыша к удушению за несколько дней. На данный момент нет руководства, нет указаний, нет планов, нет выхода. Многие из нас сражаются на переднем крае здравоохранения, а большинство из нас просто наблюдают в режиме ожидания.
Вся эта неразбериха вызвана простым вирусом COVID-19 — в основном потому что мы не сделали многого при подготовке — но сейчас, что более важно, потому что..
Работа с встраиванием графиков, часть 3 (искусственный интеллект)
1. Встраивание графов с помощью тензорных произведений и приблизительно ортонормированных кодов (arXiv)
Автор: Фрэнк Цю
Аннотация: мы представляем метод встраивания графов в виде векторов с сохранением структуры. В этой статье мы демонстрируем его богатую репрезентативную способность и приводим некоторые теоретические свойства нашего метода. В частности, наша процедура подпадает под подход связывания и суммирования, и мы показываем, что наша операция связывания — тензорное..
