跳到主要内容
检索

University of Alberta

15 篇关联报道

订阅更新
  1. arXiv

    伊辛模型装进隐马尔可夫链:伪似然绕开配分函数,美国县域枪击死亡周序列分出四段状态

    隐马尔可夫伊辛模型把统计物理中的伊辛模型作为隐马尔可夫链的发射分布,用来刻画一张二元网络随时间发生的状态切换;伊辛模型的归一化常数随节点数指数增长,拟合因此改用伪似然完成 Baum-Welch 的再估计,并给出伪似然算法的有效性、可辨识性与大网络一致性结论。模型进一步引入外生协变量,形成隐马尔可夫自 Logistic 模型,并在 2021 至 2025 年美国本土 3109 个县的每周枪击死亡事件序列上识别出暴力活动的状态变化。

  2. arXiv

    永磁同步电机的数字孪生不再离线重算:FPGA执行可学习的一步模型,换机后94秒内重新逼近

    永磁同步电机的实时数字孪生此前依赖离线辨识参数或有限元查表,机器一变就要重算映射。Inferencer-in-the-Loop架构让现场可编程门阵列执行一个物理引导的神经网络,由GPU在旁路用参考数据重训,验证通过后才切换权重。在阻尼绕组、参数偏移和有限元标定的饱和电机上,同一核形式平均归一化绝对误差为0.19%–0.67%,实测内核延迟0.30–0.34微秒;在200瓦驱动上,残差形式在六段留出运行中的误差为实测均方根的5.9%–9.4%。

  3. arXiv

    RucTangle让编码智能体生成的补丁拆分为每个提交都可运行的提交历史,并在回归修复中把pass@1平均提升16.6%

    该工作提出RucTangle,一种智能体式提交拆分方法:它按开发目的对补丁中的改动分组并排序,逐个应用提交并检查代码是否仍可运行,失败时先调整顺序、再让智能体重新分组、最后合并相邻提交,同时保持最终代码不变;在131个智能体生成的补丁上,RucTangle是唯一全部重建原补丁且每个提交后代码均可运行的方法,中位数为8个提交,而基线有20.6%–37.4%的历史至少含一个不可运行版本。作者还提出TangleEval,用453个引入回归的补丁让两个编码智能体修复,加入RucTangle历史与git bisect结果后pass@1从26.9%升至31.3%、从30.8%升至36.0%。

  4. arXiv

    Bather分解驱动的多链MDP平均奖励强化学习:三个算法实现几乎必然收敛并改善瞬态表现

    该工作针对平均奖励多链MDP提出三个异步值迭代强化学习算法:基础算法利用Bather唯一层次分解将状态空间划分为通信子系统与瞬态状态,用RVI Q学习估计各子系统增益、用Q学习求解聚合最优停止问题,几乎必然收敛到最优增益并在有限时间后产生增益最优策略;另两个算法分别近似求解平均最优方程以获得近增益最优策略、以及通过折扣近似最优偏差函数以获得近偏差最优策略,实验显示后两者在保持近增益最优的同时改善瞬态表现。

  5. arXiv

    Wayfarer 通过拉普拉斯表示学习在线发现选项,在 Montezuma's Revenge 等长时程探索类 Atari 2600 游戏中取得单流智能体最优表现

    该工作提出 Wayfarer——一个通用、领域无关的在线深度强化学习智能体,它从高维观测中通过拉普拉斯表示学习发现选项(options)并将其用于控制,作者报告这些选项同时改善探索、加速信用分配并有效泛化到未见情形,从而更快学到复杂策略,并在最具挑战性的 Atari 2600 游戏中取得单流智能体中的最优表现,在 Montezuma's Revenge 和 Private Eye 等需要长时程探索与策略行为的游戏上增益最大。

  6. 41位国际专家系统检索922篇文献后,把急性加重定义从IPF扩展到全部纤维化间质性肺病,并提出“急性呼吸恶化”新框架

    一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献,将2016年仅针对特发性肺纤维化(IPF)的急性加重(AE)定义修订为适用于全部纤维化间质性肺病(fILD)的AE-fILD定义(以弥漫性肺泡损伤为核心,伴或不伴机化性肺炎),并提出“急性呼吸恶化(ARW)”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化,同时汇总了流行病学、危险因素、预后与治疗证据,并讨论了AE作为临床试验终点的可行性。

  7. arXiv

    近50万个名字与12个分词器显示:名字能否成为单个token,会改变模型对奖学金、招聘、临床与贷款判断中的概念可及性

    该研究提出NameTrace框架,在近50万个名字和12个LLM分词器上测量名字的直接词元支持,并在同一族裔-性别分层内匹配原子名与短碎片名,发现原子名在奖学金、招聘、临床评估和贷款四个任务轴上的任务对齐概念可及性系统性更高,该差异在全部八个分层中持续存在、可迁移到未见名字,且沿任务方向的隐状态干预会改变后续受限选择。

  8. arXiv

    1,813 对英美变体贯穿审计:六套预训练语料、21 个后训练数据集与十个检查点都偏向美式英语

    该研究构建了 1,813 对匹配的美式英语—英式英语变体资源并提出免训练的 DiAlign 区域对齐估计方法,据此审计六个预训练语料、21 个后训练数据集、九个分词器与十个模型检查点以及两种提示条件下的生成结果,发现美式英语在数据暴露、表示与生成三个阶段均被系统性偏向,且英式英语提示只能部分改变这一默认。

  9. arXiv

    BrainSTR 用时空对比学习建模动态脑网络,在 ASD、BD、MDD 上验证并给出与既往神经影像发现一致的关键相位与子网络

    该工作提出 BrainSTR 时空对比学习框架,通过数据驱动的自适应相位划分学习状态一致的相位边界、用注意力识别诊断关键相位、并用经二值化、时间平滑与稀疏正则化的增量图结构生成器提取各相位内疾病相关连接,再以时空监督对比学习利用诊断相关的时空模式细化样本相似度度量,从而构建结构良好的语义空间;在 ASD、BD、MDD 上的实验验证了其有效性,所发现的关键相位与子网络提供了与既往神经影像发现一致的可解释证据。

  10. arXiv

    BrainHO 用可学习子图取代固定脑图谱,在 ABIDE 上以仅 PCC 输入取得 69.68% 准确率并定位跨网络疾病子网

    该工作提出脑层级组织学习框架 BrainHO,用可学习的子图 token 与图 token 通过层级注意力按节点特征亲和度自底向上聚合脑区,并配合子图正交约束与层级一致性约束,在 ABIDE(N=1009,516 例 ASD/493 例健康对照)与 REST-meta-MDD(N=2380,1276 例 MDD/1104 例健康对照)上仅使用静态 PCC 连接矩阵即取得最高准确率(69.68% 与 64.71%)与最高敏感度(73.11% 与 67.43%),同时可视化出与 SMN、DAN 等预定义网络部分重合、又跨越多个预定义网络的疾病相关子网。