我们倡导使用双重四季度代表姿势，曲折和扳手。
translated by 谷歌翻译
我们在代表姿势和曲折的双重四季度的背景下介绍了谎言衍生物的概念。首先，我们根据双重四个四分法来定义扳手。然后，我们展示了谎言衍生物如何帮助理解执行器如何在平行机器人中影响最终效应器，并在机器人驱动的并行机器人的情况下显式。我们还展示了如何使用牛顿 - 拉夫森方法使用谎言衍生物来解决过度约束的平行执行器的正向运动问题。最后，我们以双重四基因形式得出了末端效应器的运动方程，其中包括执行器中惯性的效果。我们的很大一部分方法是身份纯对双四分裂扰动的归一化，这表明它等于第二阶，而不是纯双重四季度的指数。
translated by 谷歌翻译
A significant level of stigma and inequality exists in mental healthcare, especially in under-served populations, which spreads through collected data. When not properly accounted for, machine learning (ML) models learned from data can reinforce the structural biases already present in society. Here, we present a systematic study of bias in ML models designed to predict depression in four different case studies covering different countries and populations. We find that standard ML approaches show regularly biased behaviors. However, we show that standard mitigation techniques, and our own post-hoc method, can be effective in reducing the level of unfair bias. We provide practical recommendations to develop ML models for depression risk prediction with increased fairness and trust in the real world. No single best ML model for depression prediction provides equality of outcomes. This emphasizes the importance of analyzing fairness during model selection and transparent reporting about the impact of debiasing interventions.
translated by 谷歌翻译
Datalog^e是具有生存量化的数据扩展。尽管它的高表达能力是由简单的语法和对完整递归的支持支撑的，但它特别适合于现代化的知识图上的现代应用，但对这种语言的查询答案（QA）通常是不可确定的。因此，已经出现了不同的片段，将句法局限性引入了数据词，这在其表达能力和质量检查的计算复杂性之间取得了平衡，以实现可决定性。在这篇简短的论文中，我们专注于两个有前途的可访问候选人，分别是害羞和守望的数据+/-。对社区的明确兴趣做出反应，我们阐明了这些碎片之间的关系。此外，我们对实施害羞和守护的系统进行了实验分析，分别是DLV^e和Vadalog。
translated by 谷歌翻译
制定了具有机器学习模拟（骆驼）项目的宇宙学和天体物理学，通过数千名宇宙的流体动力模拟和机器学习将宇宙学与天体物理学结合起来。骆驼包含4,233个宇宙学仿真，2,049个n-body和2,184个最先进的流体动力模拟，在参数空间中采样巨大的体积。在本文中，我们介绍了骆驼公共数据发布，描述了骆驼模拟的特性和由它们产生的各种数据产品，包括光环，次麦，银河系和空隙目录，功率谱，Bispectra，Lyman - $ \ Alpha $光谱，概率分布函数，光环径向轮廓和X射线光子列表。我们还释放了超过骆驼 - 山姆的数十亿个星系的目录：与Santa Cruz半分析模型相结合的大量N身体模拟。我们释放包含350多个Terabytes的所有数据，并包含143,922个快照，数百万光环，星系和摘要统计数据。我们提供有关如何访问，下载，读取和处理数据AT \ URL {https://camels.readthedocs.io}的进一步技术详细信息。
translated by 谷歌翻译
我们对托管银河系和andromeda星系的群众呈现出新的限制，并使用图形神经网络导出。我们的型号培训了骆驼项目的数千个最先进的流体动力模拟，仅利用属于晕圈的星系的位置，速度和恒星群体，并且能够对无似然推断进行无似的推理晕群，同时占宇宙学和天体物理的不确定性。我们的制约因素与其他传统方法的估计一致。
translated by 谷歌翻译
了解晕星连接是基本的，以提高我们对暗物质的性质和性质的知识。在这项工作中，我们构建一个模型，鉴于IT主机的星系的位置，速度，恒星群体和半径的位置。为了捕获来自星系属性的相关性及其相位空间的相关信息，我们使用图形神经网络（GNN），该网络设计用于使用不规则和稀疏数据。我们从宇宙学和天体物理学中培训了我们在Galaxies上的模型，从宇宙学和天体物理学与机器学习模拟（骆驼）项目。我们的模型，占宇宙学和天体物理的不确定性，能够用$ \ SIM 0.2欧元的准确度来限制晕群。此外，在一套模拟上培训的GNN能够在用利用不同的代码的模拟上进行测试时保留其精度的一部分精度。 GNN的Pytorch几何实现在HTTPS://github.com/pablovd/halographnet上公开可用于github上
translated by 谷歌翻译