darts
PulseAugur coverage of darts — every cluster mentioning darts across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Darts 库统一了零样本时间序列预测的基础模型
在 Darts Python 库中开发了一系列新的时间序列预测基础模型。该计划旨在统一各种预训练模型的接口，包括 Chronos-2、TimesFM 2.5、TiRex 和 PatchTST-FM，使它们更具互操作性，并更易于集成到现有的预测流程中。Darts 框架现在提供标准化的、全周期的预测功能，使用户能够利用这些基础模型进行零样本或微调预测、不确定性估计和回测，而外部依赖性极少。
-
行星探测器ERNEST利用AI实现全地形移动
研究人员为一款名为ERNEST的行星探测器开发了一种新颖的控制系统，该探测器配备了主动铰接悬架。该系统利用一个单一的神经网络控制器，通过在高度保真的模拟环境中进行强化学习进行训练。该控制器旨在适应各种地形，而无需明确分类，将来自专用代理的学习整合到一个统一的网络中。实验结果表明，该系统能够成功地在岩石场和沙坡等具有挑战性的地形中导航，与被动悬架系统相比，效率和能力均有所提高。
-
乌克兰FPV无人机实现102公里打击射程
乌克兰军队已研发出能够打击俄军后方最远102公里处目标的FPV无人机，这比它们早期能力有了显著进步。这些最初由赛车爱好者即兴制造的无人机，已演变成能够攻击后勤车辆和装甲的强大武器。虽然固定翼无人机通常提供更远的射程，但这些先进的四旋翼无人机在电池续航和控制信号方面取得了显著改进，拓展了便携式无人机战争的界限。
-
新的SWAP-Score指标可在无需训练的情况下评估神经网络
研究人员推出了一种新颖的零样本指标SWAP-Score，该指标无需训练即可评估神经网络。该方法使用样本激活模式来衡量网络的表达能力，并在包括CNN和Transformer在内的各种架构中表现出强大的预测性能。SWAP-Score在计算机视觉和自然语言处理任务中显著优于现有指标，与真实性能高度相关，并能实现更快的神经架构搜索。
-
DARTS方法优化预算受限序贯实验的协变量采集
研究人员开发了DARTS（动态自适应重随机化通过汤普森采样），一种用于预算受限序贯实验中优化协变量采集的新方法。该方法将预处理数据收集过程视为因果推断中的序贯优化问题。DARTS采用汤普森采样器识别批次中最具预后意义的协变量，然后指导重随机化和回归调整，以最小化处理效应方差。