hierarchical clustering
PulseAugur coverage of hierarchical clustering — every cluster mentioning hierarchical clustering across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的无训练方法推动跨域少样本分割 · 跟踪5个来源
研究人员开发了两种新颖的跨域少样本分割（CD-FSS）方法，无需训练或微调，从而降低了计算成本并防止了过拟合。一种方法基于DINOv3编码器，使用语义感知特征重融合（SAFR）、自适应支持增强（ASE）和混合原型匹配（HPM）模块来增强语义辨别力并适应不同复杂性。第二种方法，双层级聚合网络（DHANet），采用层级空间聚合（HSA）和层级通道聚合（HCA）来解决语义和属性过度对齐问题，并结合在线概率语义库（OPSB）来缓解支持不足的问…
-
人工智能的采用正在推高医疗保健成本，而不是降低成本
人工智能因其在管理软件和医嘱记录员中的应用，能够更全面地记录患者护理情况，从而增加了计费的复杂性，预计将推高医疗保健成本。虽然人工智能最终可能降低管理成本并改善患者预后，但目前的激励机制倾向于让医疗服务提供者利用人工智能来提高每项服务的收入。预计这一趋势将推高整体医疗支出，而大型营利性医院系统由于能够更积极地投资人工智能技术，可能会获得竞争优势。
-
DeepSeek V4 引入流形约束超连接
DeepSeek V4 是一个先进的语言模型，建立在其前身 DeepSeek V3 的基础上。V4 架构引入了压缩稀疏注意力（CSA）、重度压缩注意力（HCA）和流形约束超连接（mHC）等新组件。本文重点解释 mHC，这是一种通过采用多个并行残差流来增强神经网络中传统残差连接的技术，从而实现更结构化和稳定的训练。
-
新AI聚类方法利用随机占优进行基于风险的资产配置
研究人员开发了一个新颖的聚类框架，该框架利用随机占优（SD）理论和机器学习来根据风险偏好更好地对资产进行分组。这种方法超越了传统的几何距离度量，利用SD检验统计量创建了一个“随机占优系数矩阵”。该论文详细介绍了对K-means和层次聚类算法的修改，产生了12个变体，并引入了专门的有效性指标。对美国纳斯达克和中国沪深100指数数据的实证分析证实了该方法的有效性，并展示了其在具有不同风险偏好的投资者的投资组合优化中的应用。
-
决策树近似研究在投稿后被撤回
一篇最近被撤回的 arXiv 论文提出了一种用于近似 Uniform Decision Tree 问题的多项式时间算法。该算法实现了小于 11.57 的近似比，优于之前的贪心方法。其方法包括使用层次聚类技术分解最优决策树，并将子问题归约到最大覆盖问题。