诸如人工智能（AI）之类的快速发展领域经常超过维基百科等百科全书来源的努力，这些来源如不完全介绍最近引入的主题或完全缺乏这种内容。因此，自动产生内容的方法是解决此信息过载的有价值的工具。我们表明，最近的预训练语言建模的进展可以组合为维基百科铅段生成的两级提取和抽象方法。我们扩展了这种方法，以产生更长的维基百科风格的摘要，并通过详细研究100参考人体收集的调查，研究这种方法在本申请中争取如何奋斗。这是利用Web资源利用WEAL Wikipedia风格摘要的第一次研究。
translated by 谷歌翻译
地面运动预测方程通常用于预测地震强度分布。但是，将这种方法应用于受地下板结构影响的地震分布并不容易，这通常称为异常地震分布。这项研究提出了使用神经网络进行回归和分类方法的混合体。提出的模型将分布视为二维数据，如图像。我们的方法可以准确预测地震强度分布，甚至异常分布。
translated by 谷歌翻译
HottoPixx，由Bittorf等人提出。在NIPS 2012，是一种解决可分离假设下的非负矩阵分子（NMF）问题的算法。可分离的NMFS具有重要的应用程序，例如从文档和超光图像的文件提取主题。在这种应用中，算法对噪声的稳健性是成功的关键。HottoPixx已被证明对噪声具有稳健性，并且可以通过后处理进一步增强其鲁棒性。但是，有一个缺点。HottoPixx及其后处理要求我们估计我们想要在运行之前进行分解的矩阵中涉及的噪声水平，因为它们将其用作输入数据的一部分。噪声级别估计不是一项简单的任务。在本文中，我们克服了这个缺点。我们在没有先前了解噪声水平的情况下，我们介绍了HottoPixx的改进及其后处理。我们表明细化与原始算法具有几乎与噪声相同的稳健性。
translated by 谷歌翻译