PrinceofAI Weekly

هفته نامه شماره هفتاد و پنجم

اخبار:

مطالعه بر روی کنترل تغییرات آب و هوا با یادگیری ماشین به عنوان بهترین مقاله معرفی شد

مطالعه ای جدید استفاده از تکنیک های مدرن هوش مصنوعی را برای پیش بینی آب وهوا در مقایسه با روش های سنتی مورد بررسی قرار داد. Maulik، نویسنده مقاله تاکید کرد که پیش‌بینی‌های کلاسیک به منابع محاسباتی گسترده نیاز دارند، که باعث تغییر به سمت مدل‌های هوش مصنوعی می‌شود که الگوهای آب و هوا را از داده‌های تاریخی با استفاده از تکنیک‌های بینایی کامپیوتری یاد می‌گیرند. این مدل‌های هوش مصنوعی، پس از آموزش، می‌توانند پیش‌بینی‌های بلادرنگ را با حداقل منابع محاسباتی، به طور بالقوه در دستگاه‌هایی به کوچکی تلفن‌های همراه انجام دهند. Maulik همچنین به اهمیت ارائه کار خود در سمینارهای ICLR برای بازخورد و دیده شدن اشاره کرد. هدف، بهبود مدل‌های فعلی و ارائه یک جایگزین رقابتی برای پیش‌بینی آب و هوای سنتی، با تمرکز بر پیش‌بینی دقیق شرایط شدید آب و هوا است. Maulik در تحقیقات خود بر تعادل بین روش‌های یادگیری ماشینی و کلاسیک تأکید کرد.

صنعت:

یک مدل یادگیری ماشین و fMRI الگوهای فعالیت مغز را برای درد و لذت پایدار نشان می دهد

تیمی از محققان از تصویربرداری تشدید مغناطیسی عملکردی (fMRI) برای بررسی چگونگی پردازش مغز جنبه‌های احساسی درد و لذت پایدار، ناشی از کپسایسین و مایعات شکلات، استفاده کردند. این تحقیق به رهبری لی سو آن و وو چونگ وان در مرکز تحقیقات تصویربرداری علوم اعصاب (CNIR) با همکارانی از دانشگاه ملی سئول و کالج دارتموث، شامل 58 شرکت کننده بود که تجربیات لحظه به لحظه خوشایند و ناخوشایند خود را در طول آزمایش گزارش کردند.

از طریق تکنیک های پیچیده یادگیری ماشین، محققان الگوهای فعالیت مغز را شناسایی کردند که شدت و ظرفیت (خوشایند یا ناخوشایند) این تجربیات را رمزگذاری می کند. آن‌ها دو مدل پیش‌گویانه برای دریافت این جنبه‌ها توسعه دادند و یافته‌های خود را با ۶۱ شرکت‌کننده دیگر تأیید کردند. این مطالعه نشان داد که درد و لذت، اگرچه تجربیات متضاد هستند، اما نواحی مشترک مغز را فعال می کنند و از طریق اطلاعات عاطفی مشترک به طور پیچیده ای به هم مرتبط هستند.

دکتر وو چونگ وان اهمیت مقایسه درد و تجربه لذت در افراد مشابه را که به ندرت انجام می شود و پیامدهای آن برای درک افسردگی در بیماران مبتلا به درد مزمن را برجسته کرد. لی سو آن تاکید کرد که این یافته ها اطلاعات عاطفی مشترک درد و لذت را در مناطق مختلف مغز نشان می دهد.

مقاله:

Hearing Anything Anywhere

پیشرفت های اخیر در بینایی کامپیوتری سه بعدی و گرافیک کامپیوتری، مجازی سازی محیط های سه بعدی دنیای واقعی را برای برنامه های کاربردی مختلف واقعیت مختلط (XR) ممکن کرده است. با این حال، ایجاد تجارب شنیداری فراگیر نیز برای درک کامل یک محیط بسیار مهم است. این مقاله روشی را برای بازسازی ویژگی‌های صوتی فضایی هر محیطی با استفاده از مجموعه‌ای پراکنده از ضبط‌های پاسخ ضربه اتاق (RIR) و بازسازی صحنه مسطح معرفی می‌کند که می‌تواند به راحتی توسط کاربران عادی به دست آید. چارچوب پیشنهادی، DiffRIR، یک سیستم رندر RIR قابل تفکیک است که از مدل‌های پارامتری قابل تفسیر برای گرفتن ویژگی‌های صوتی کلیدی، مانند جهت‌گیری منبع صدا و بازتاب سطحی استفاده می‌کند. این امکان سنتز تجربیات شنیداری جدید در فضا را با استفاده از هر منبع صوتی فراهم می کند. این روش با استفاده از مجموعه داده‌ای از ضبط‌های RIR و موسیقی از چهار محیط واقعی مختلف مورد ارزیابی قرار گرفت، که نشان می‌دهد این مدل از تکنیک‌های پیشرفته فعلی در ارائه RIRهای مونوال و دو گوش و موسیقی در مکان‌های جدید بهتر عمل می‌کند. علاوه بر این، پارامترهای قابل تفسیر فیزیکی را می آموزد که ویژگی های صوتی منبع صدا و سطوح در صحنه را توصیف می کند.

آموزش:

کنترل تصادفی چیست؟

کنترل تصادفی (Stochastic control) شاخه ای از تئوری کنترل است که به فرآیندهای تصمیم گیری در سیستم هایی می پردازد که تحت تأثیر عناصر تصادفی یا عدم قطعیت هستند. بر خلاف سیستم‌های کنترل قطعی، که در آن همه متغیرها و نتایج با قطعیت شناخته شده‌اند، سیستم‌های کنترل تصادفی، تصادف و غیرقابل پیش‌بینی بودن را در مدل‌های خود به حساب می‌آورند. این زمینه عناصر تئوری احتمال، بهینه سازی و سیستم های پویا را برای مدیریت و بهینه سازی رفتار چنین سیستم های نامطمئنی در طول زمان ترکیب می کند.

کدینگ:

کتابخانه PIL در پایتون چیست؟

کتابخانه تصویربرداری پایتون (PIL) کتابخانه ای در پایتون است که پشتیبانی گسترده ای از فرمت فایل، نمایش داخلی کارآمد و قابلیت های پردازش تصویر قدرتمند را ارائه می دهد. این کتابخانه برای باز کردن، دستکاری و ذخیره بسیاری از فرمت های مختلف فایل تصویری استفاده می شود. PIL یک کتابخانه اساسی برای بسیاری از کارهای مرتبط با تصویر در پایتون است.