Jacobian matrix
PulseAugur coverage of Jacobian matrix — every cluster mentioning Jacobian matrix across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的机器学习框架从级联数据中恢复影响网络
研究人员开发了CascadeNet，一个新颖的机器学习框架，无需指定扩散模型即可从级联数据中恢复隐藏的影响网络。该方法使用基于雅可比矩阵的方法和Neyman-正交去偏来实现准确的网络推断。CascadeNet在各种数据生成过程的模拟中表现出优越的性能，并准确绘制了西班牙的COVID-19传播网络，与现有方法不同，它与移动数据具有良好的相关性。
-
新的谱审计方法评估神经算子保真度
研究人员开发了一种新的基于雅可比矩阵的谱审计方法，用于评估神经算子和上下文算子学习模型。该方法超越了简单的预测误差，评估了局部动力学结构，包括灵敏度、频率响应和稳定性。该审计可以揭示标准指标可能遗漏的算子保真度问题，例如高频退化或提示-算子不一致性，为学习到的算子提供更全面的诊断。
-
Fediverse 新闻通讯聚焦 Bonfire Social 更新和数字主权
程序员支点新闻通讯聚焦了 Open Media Network 和 Fediverse 的发展，倡导使用去中心化技术而非大型科技公司。近期更新包括 Bonfire Social 的 1.0.3 版本，侧重于稳定性和可用性，并为社区发布添加了新功能。该通讯还讨论了 Drupal、Ghost 和 Faircamp 的 CMS 更新，以及关于数字主权和人工智能作为潜在守门人的作用的讨论。
-
新方法通过单一锚点样本识别域迁移
研究人员开发了一种识别域迁移的新方法，域迁移是一种用于图像翻译和医学成像等任务的技术。他们的方法利用了结构稀疏性条件，证明了分布匹配结合单一配对锚点样本即可识别正确的迁移。该方法比以前的技术需要更少的监督。为了在高维学习中实际应用，他们引入了一种高效的雅可比稀疏正则化器，避免了显式雅可比评估。