logarithm
PulseAugur coverage of logarithm — every cluster mentioning logarithm across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的SIMS方法通过解决尺度不变性问题来改进多任务学习
研究人员推出了一种新颖的多任务学习（MTL）方法——基于尺度不变性优值函数的标量化（SIMS）。SIMS解决了现有基于优值函数的标量化方法中存在的尺度敏感性问题，这种问题可能不公平地偏向于幅度较大的目标。通过采用对数变换，SIMS确保优化过程对于不同任务损失的相对尺度具有不变性。理论分析证实，这种变换保持了弱帕累托最优性，并允许使用可控近似误差的光滑替代函数。在各种多任务基准测试中的实证结果表明，SIMS的性能持续超越当前标量化技术，…
-
新的SMILE框架融合了连续优化和离散符号恢复
研究人员开发了SMILE，一个用于符号回归的新型框架，它结合了连续优化和离散符号恢复。这种混合方法首先分析数据以理解表达式的组成结构，然后使用连续优化来学习可解释网络的参数，最后将该网络提炼成一个紧凑、精确的符号表达式。在SRBench基准测试中，SMILE表现出卓越的鲁棒性和效率，在显著的噪声水平下实现了更高的符号解率，并比竞争方法更快地恢复出更简单的表达式。
-
Go 的 slog 和 log 包因共享互斥锁而死锁
在 Go 的 slog 和 log 包中发现了一个死锁问题，因为它们共享一个互斥锁。如果 slog.SetDefault 配置了一个路由回 log 包的 handler，就会发生这种情况，导致在第一次日志写入时发生死锁。Smeldr 的 CaptureLogs() 函数使用默认 handler 演示了这个问题，修复方法包括检测类型并替换为直接的 stderr 写入器，以及一个 CI 测试来捕获未来的回归。
-
新框架利用文本引导的本地化增强医学图像分割
研究人员开发了一个名为 LoG 的新框架，用于文本引导的医学图像分割。与以往依赖隐式提取的方法不同，该方法显式地从文本报告中捕获面向本地化的语义。LoG 在三个层面整合了视觉语言语义：特征融合、注意力融合和损失融合，所有这些都由本地化任务引导。在不同医学成像模态的三个数据集上进行的实验表明，LoG 的性能持续优于现有的最先进方法，并取得了较高的 Dice 分数。
-
FDA批准Moderna mRNA疫苗；探讨对数
FDA已全票批准Moderna的mRNA疫苗，这一决定标志着mRNA技术的一项重大进展，并有望对医疗保健行业产生重大影响。另外，对数概念被探讨其在从自然现象到技术系统等生命各个方面的存在和应用，为理解复杂系统和决策提供见解。