实体
Monte Carlo Simulations
Monte Carlo Simulations
PulseAugur coverage of Monte Carlo Simulations — every cluster mentioning Monte Carlo Simulations across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
机器学习在伽马能谱解卷积中优于传统方法
一篇新的研究论文探讨了监督机器学习技术与全吸收伽马能谱解卷积的传统响应矩阵方法相比的有效性。该研究利用实验性全吸收光谱仪的蒙特卡洛模拟，发现机器学习方法在重建个体衰变强度方面提供了更高的准确性。然而，响应矩阵方法提供了一个稳健的初始解决方案，这表明可以采用一种混合策略，即使用响应矩阵方法进行初始估计，然后由机器学习进行精炼，以提高整体准确性。
-
Netflix工程师通过动态重分区技术大幅降低Cassandra读取延迟
Netflix工程团队开发了一种新颖的方法来解决Apache Cassandra（一种用于时间事件数据的数据库）中宽分区引起的性能问题。他们的方法称为动态重分区，可将大型分区透明地拆分为更小、更易于管理子分区，对应用程序无感知。此优化显著将读取延迟从秒级降低到毫秒级，提高了Netflix的时间序列抽象平台的效率。
-
新的正则化方法提高了神经网络的性能和复杂度控制
研究人员开发了新颖的基于范数的神经网络正则化技术，旨在提高预测性能和复杂度控制。这些方法通过纳入输入特征协方差结构来扩展经典的岭和套索惩罚。一种策略修改权重衰减以考虑特征依赖性，另一种策略将 L1 稀疏性与协方差感知的 L2 正则化相结合，以获得结构化感知权重。使用模拟和真实世界数据（包括建筑制冷负荷预测和白血病细胞分类）进行的评估表明，性能得到了增强，尤其是在处理相关或高维特征时。