黑人生活问题（BLM）是一项分散的社会运动，抗议对黑人个人和社区的暴力行为，重点是警察暴力。 2020年，艾哈迈德·阿贝里（Ahmaud Arbery），布雷纳·泰勒（Breonna Taylor）和乔治·弗洛伊德（George Floyd）的杀害后，该运动引起了人们的关注。#BlackLivesMatter社交媒体标签已经代表了基层运动，并以类似的标签来抗议BLM运动，例如#AllllivesMatter和#allllivesmatter和#allllivesmatter，以及#bluelivesmatter。我们介绍了来自100多个国家 /地区的1,300万用户的6390万推文的数据集，其中包含以下关键字之一：BlackLivesMatter，AlllivesMatter和BluelivesMatter。该数据集包含从2013年BLM运动开始到2021年的所有当前可用推文。我们总结了数据集并显示了使用BlackLivesMatter关键字和与反向运动相关的关键字的时间趋势。此外，对于每个关键字，我们创建并发布了一组潜在的Dirichlet分配（LDA）主题（即自动聚集了语义上共同共的单词的组），以帮助研究人员识别这三个关键字的语言模式。
translated by 谷歌翻译
英国，尤其是伦敦，是洗钱的全球枢纽，其中很大一部分使用国内财产。但是，由于数据可用性，了解英国海上国内财产的分布和特征是具有挑战性的。本文试图通过增强海上公司拥有的英国财产的公开数据集来解决这种情况。我们创建了一个数据处理管道，该管道利用了几个数据集和机器学习技术，以创建一组被分类为六个使用类的地址集。增强的数据集比原始数据集多于138,000个属性。大多数是国内（95k），伦敦的人数不成比例。伦敦的平均海上国内财产价值133万英镑，总计约560亿英镑。我们对伦敦的海上国内财产进行了深入的分析，将价格，分配和熵/集中度与Airbnb财产，低使用/空财产和常规家庭财产进行了比较。我们估计，伦敦的海上，低使用和Airbnb物业的总数在144,000至164,000之间，并且它们的总价值在145-1740亿英镑之间。此外，与所有其他财产类型相比，离岸国内财产更昂贵，并且具有更高的熵/集中度。此外，我们确定了具有不同价格和分销特征的两种不同类型的离岸属性，即嵌套和个体。最后，我们发布了增强的海上属性数据集，完整的低使用伦敦数据集和创建增强数据集的管道，以减少研究该主题的障碍。
translated by 谷歌翻译
深度学习的一个有前景的趋势取代了具有隐式网络的传统馈送网络。与传统网络不同，隐式网络解决了一个固定点方程来计算推断。解决固定点的复杂性变化，具体取决于提供的数据和误差容差。重要的是，可以通过与前馈网络的STARK对比度训练隐式网络，其内存需求与深度线性缩放。但是，没有免费的午餐 - 通过隐式网络锻造BackPropagation通常需要解决从隐式功能定理引起的昂贵的Jacobian等方程。我们提出了无雅各比的BackPropagation（JFB），一种固定内存方法，这些方法旨在解决基于雅略族裔的基于雅代族人的方程。 JFB使隐式网络更快地培训，并明显更容易实现，而不会牺牲测试精度。我们的实验表明，使用JFB培训的隐式网络与给出相同数量的参数的前馈网络和现有的隐式网络具有竞争力。
translated by 谷歌翻译
我们考虑最小化高维目标函数的问题，该功能可以包括正则化术语，使用（可能的噪声）评估该功能。这种优化也称为无衍生，零阶或黑匣子优化。我们提出了一个新的$ \ textbf {z} $ feroth - $ \ textbf {o} $ rder $ \ textbf {r} $ ptimization方法，称为zoro。当潜在的梯度大致稀疏时，Zoro需要很少的客观函数评估，以获得降低目标函数的新迭代。我们通过自适应，随机梯度估计器实现这一点，然后是不精确的近端梯度方案。在一个新颖的大致稀疏梯度假设和各种不同的凸面设置下，我们显示了zoro的（理论和实证）收敛速率仅对对数依赖于问题尺寸。数值实验表明，Zoro在合成和实际数据集中优于具有相似假设的现有方法。
translated by 谷歌翻译