rocket
PulseAugur coverage of rocket — every cluster mentioning rocket across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
SelF-Rocket 变体改进了工业机械故障分类
研究人员评估了 SelF-Rocket，即随机卷积核 (ROCKET) 方法的一个变体，用于对工业机械中的电气和机械故障进行分类。他们还为原始方法引入了一种新的多变量扩展。在 MaFaulDa 和 ITSC-UDG 数据集上的实验表明，SelF-Rocket 实现了最佳的准确率-延迟权衡，在 MaFaulDa 数据集上表现出卓越的分类性能，并在 ITSC-UDG 数据集上取得了强劲的结果。
-
新研究解决了动态环境下的时间序列早期分类问题 · 跟踪2个来源
两篇新研究论文解决了非平稳环境下的时间序列数据早期分类的挑战。第一篇论文介绍了一种端到端的强化学习架构DQeND，该架构联合优化表示、分类和触发决策，在各种漂移场景中表现出鲁棒性。第二篇论文提出了FETERS，一个少样本学习框架，它选择最优停止比率，并结合了基于Rocket的特征和Chronos表示，在大量数据集上取得了最先进的性能，尤其是在监督有限的情况下。
-
航空互联公司北辰航空获数千万融资
专注于航空航天电气系统互联组件的北辰航空已获得云启资本数千万A轮融资。该公司提供从设计到组装的一站式解决方案，负责航天器中的关键功能，如电力分配和信号传输。北辰航空的专有CSED系统简化了设计和制造流程，能够加快项目完成速度并降低成本。
-
美国银行、CoBank、Rocket在AWS活动上详述金融服务中的AI采用情况
美国银行、CoBank和Rocket近期在一次AWS活动上讨论了它们在金融服务领域的人工智能应用。讨论强调，在金融领域整合高级人工智能已成为实施问题而非可能性问题。这些用例是在金融科技和服务的背景下分享的。
-
RamanBench基准测试规范化光谱学机器学习
研究人员推出了RamanBench，这是一个旨在规范拉曼光谱机器学习应用的综合基准测试。该新基准测试集成了74个数据集，共包含超过325,000个光谱，以促进分类和回归任务的可复现评估。对28个模型的初步基准测试显示，表格基础模型（Tabular Foundation Models）的性能普遍优于其他方法，但没有一种单一方法能在所有数据集上表现出广泛的泛化能力，这凸显了社区进一步贡献的必要性。
-
应对破碎的开发文化
一位在AI团队工作的开发者描述了一种功能失调的公司文化，其中工程实践几乎不存在，管理层过度依赖AI炒作。这位开发者自学了各种AI和开发技能，目前正在寻找全职的FOSS职位。另一篇文章详细介绍了如何使用FastAPI、React和Docker为忠诚度计划构建一个分析和推荐仪表板。