R包nnmf实现非负矩阵分解方法
一篇题为《使用R包nnmf进行非负矩阵分解》的学术论文近日在arXiv预印本平台发布。该论文由Volkan Sevinç等三位作者撰写，详细介绍了基于R语言的nnmf软件包，该包专门用于实现非负矩阵分解算法。非负矩阵分解是一种重要的数据降维和特征提取技术，广泛应用于图像处理、文本挖掘和生物信息学等领域。论文提供了完整的理论背景、算法实现细节以及实际应用案例，旨在帮助研究人员和数据分析师更便捷地在R环境中应用这一方法。该研究已获得arXiv的DOI标识，并提供了PDF和HTML格式的全文访问链接。 #非负矩阵分解 #R语言 #nnmf #数据科学 #机器学习 #学术论文 #arXiv
一篇题为《使用R包nnmf进行非负矩阵分解》的学术论文近日在arXiv预印本平台发布。该论文由Volkan Sevinç等三位作者撰写，详细介绍了基于R语言的nnmf软件包，该包专门用于实现非负矩阵分解算法。非负矩阵分解是一种重要的数据降维和特征提取技术，广泛应用于图像处理、文本挖掘和生物信息学等领域。论文提供了完整的理论背景、算法实现细节以及实际应用案例，旨在帮助研究人员和数据分析师更便捷地在R环境中应用这一方法。该研究已获得arXiv的DOI标识，并提供了PDF和HTML格式的全文访问链接。 #非负矩阵分解 #R语言 #nnmf #数据科学 #机器学习 #学术论文 #arXiv
模拟乌托邦
一项来自学术预印本平台arXiv的研究论文《Simulating Eutopia: Revisiting Long-term Fairness with Outcomes, Performativity, and Dynamics》探讨了长期公平问题。该研究由Vedant Palit等三位作者完成，通过模拟方法分析公平性在结果、表演性和动态系统中的表现。论文指出，传统公平性评估往往忽略时间维度和系统反馈效应，而表演性（即模型预测影响现实行为）可能导致公平目标偏离。研究通过仿真实验展示了不同公平干预措施在长期演化中的效果，强调需要动态调整策略以应对系统变化。该工作为AI伦理和公平性研究提供了新视角，尤其适用于社会决策系统设计。 #AI公平 #长期公平 #仿真模拟 #表演性 #动态系统 #学术论文 #arXiv
一项来自学术预印本平台arXiv的研究论文《Simulating Eutopia: Revisiting Long-term Fairness with Outcomes, Performativity, and Dynamics》探讨了长期公平问题。该研究由Vedant Palit等三位作者完成，通过模拟方法分析公平性在结果、表演性和动态系统中的表现。论文指出，传统公平性评估往往忽略时间维度和系统反馈效应，而表演性（即模型预测影响现实行为）可能导致公平目标偏离。研究通过仿真实验展示了不同公平干预措施在长期演化中的效果，强调需要动态调整策略以应对系统变化。该工作为AI伦理和公平性研究提供了新视角，尤其适用于社会决策系统设计。 #AI公平 #长期公平 #仿真模拟 #表演性 #动态系统 #学术论文 #arXiv
Deep Shape Regression 论文发布，探索平面曲线形状回归新方法
一篇题为《Deep Shape Regression for Planar Curves with Multimodal Covariates》的学术论文在arXiv上发布。该研究由Manuel Pfeuffer等四位作者共同完成，主要探讨如何利用深度学习方法对平面曲线进行形状回归，并引入了多模态协变量作为输入。论文提出了一种新的框架，旨在更准确地从多种数据源中预测和重建曲线形状，可能对计算机视觉、生物形态分析等领域具有重要参考价值。目前该论文已提供PDF全文及HTML实验版本供查阅。 #深度学习 #形状回归 #平面曲线 #多模态 #计算机视觉 #arXiv #学术论文
一篇题为《Deep Shape Regression for Planar Curves with Multimodal Covariates》的学术论文在arXiv上发布。该研究由Manuel Pfeuffer等四位作者共同完成，主要探讨如何利用深度学习方法对平面曲线进行形状回归，并引入了多模态协变量作为输入。论文提出了一种新的框架，旨在更准确地从多种数据源中预测和重建曲线形状，可能对计算机视觉、生物形态分析等领域具有重要参考价值。目前该论文已提供PDF全文及HTML实验版本供查阅。 #深度学习 #形状回归 #平面曲线 #多模态 #计算机视觉 #arXiv #学术论文
强化学习实现无水平依赖的渐近最优遗憾
来自Runlong Zhou等研究者的最新论文提出了一种无需依赖水平参数的强化学习算法，实现了渐近最优的遗憾值。传统强化学习算法通常需要预先知道时间水平或使用复杂的水平依赖技术，而该研究通过创新方法消除了这一限制。论文证明了算法在理论上达到了信息论下界，即遗憾值随步数增长的最优速率，同时避免了水平参数的显式依赖。这一突破为强化学习在实际应用中的自适应性和鲁棒性提供了重要理论支撑，尤其适用于未知或变化的时间范围场景。相关工作已提交至arXiv预印本平台，并附带代码与数据链接供社区验证。 #强化学习 #渐近最优 #遗憾界 #无水平依赖 #机器学习 #AI理论 #arXiv论文
来自Runlong Zhou等研究者的最新论文提出了一种无需依赖水平参数的强化学习算法，实现了渐近最优的遗憾值。传统强化学习算法通常需要预先知道时间水平或使用复杂的水平依赖技术，而该研究通过创新方法消除了这一限制。论文证明了算法在理论上达到了信息论下界，即遗憾值随步数增长的最优速率，同时避免了水平参数的显式依赖。这一突破为强化学习在实际应用中的自适应性和鲁棒性提供了重要理论支撑，尤其适用于未知或变化的时间范围场景。相关工作已提交至arXiv预印本平台，并附带代码与数据链接供社区验证。 #强化学习 #渐近最优 #遗憾界 #无水平依赖 #机器学习 #AI理论 #arXiv论文
Active Inference 被形式化为凸马尔可夫决策过程
一篇来自 arXiv 的学术论文提出，Active Inference（主动推理）可被形式化为一种凸马尔可夫决策过程。该研究由 Nikola Milosevic 等人完成，论文标题为《Active Inference as a Convex Markov Decision Process》。研究团队通过数学推导，将主动推理框架与凸优化理论相结合，揭示了其在决策制定中的新视角。这一成果有望推动人工智能在不确定性环境下的推理与规划能力，为相关领域提供更严谨的理论基础。论文目前已在 arXiv 平台发布，并开放全文访问。 #ActiveInference #凸优化 #马尔可夫决策过程 #人工智能 #学术论文 #arXiv
一篇来自 arXiv 的学术论文提出，Active Inference（主动推理）可被形式化为一种凸马尔可夫决策过程。该研究由 Nikola Milosevic 等人完成，论文标题为《Active Inference as a Convex Markov Decision Process》。研究团队通过数学推导，将主动推理框架与凸优化理论相结合，揭示了其在决策制定中的新视角。这一成果有望推动人工智能在不确定性环境下的推理与规划能力，为相关领域提供更严谨的理论基础。论文目前已在 arXiv 平台发布，并开放全文访问。 #ActiveInference #凸优化 #马尔可夫决策过程 #人工智能 #学术论文 #arXiv
线性二次系统控制算法实现任意时刻遗憾保证
研究人员提出一种针对线性二次系统的新型控制算法，能够在任意时刻提供遗憾保证。该算法由Jafar Abbaszadeh Chekan和Cedric Langbort共同开发，相关论文已在arXiv平台发布。线性二次系统是控制理论中的经典模型，广泛应用于工程、经济学等领域。传统控制算法通常关注长期平均性能，而新算法强调在任何时间点都能确保控制效果不劣于最优策略，即提供“任意时刻遗憾保证”。这一特性对于需要实时决策和快速响应的应用场景尤为重要。论文详细阐述了算法的理论基础、实现方法及性能分析，并通过实验验证了其有效性。该研究为自适应控制领域提供了新的理论工具，有望推动相关技术在自动驾驶、机器人、金融等领域的应用。 #控制理论 #线性二次系统 #遗憾保证 #算法 #自适应控制 #arXiv #学术研究
研究人员提出一种针对线性二次系统的新型控制算法，能够在任意时刻提供遗憾保证。该算法由Jafar Abbaszadeh Chekan和Cedric Langbort共同开发，相关论文已在arXiv平台发布。线性二次系统是控制理论中的经典模型，广泛应用于工程、经济学等领域。传统控制算法通常关注长期平均性能，而新算法强调在任何时间点都能确保控制效果不劣于最优策略，即提供“任意时刻遗憾保证”。这一特性对于需要实时决策和快速响应的应用场景尤为重要。论文详细阐述了算法的理论基础、实现方法及性能分析，并通过实验验证了其有效性。该研究为自适应控制领域提供了新的理论工具，有望推动相关技术在自动驾驶、机器人、金融等领域的应用。 #控制理论 #线性二次系统 #遗憾保证 #算法 #自适应控制 #arXiv #学术研究
Kernel Ridge Regression 论文发布，提供统计推断新方法
一篇题为《Kernel Ridge Regression Inference》的学术论文在 arXiv 上发布，作者为 Rahul Singh 和 Suhas Vijaykumar。该论文聚焦于核岭回归的统计推断问题，提出了一种新的理论框架，旨在解决高维非线性回归中的置信区间构建与假设检验难题。论文自 2023 年首次提交以来，历经多次修订，最新版本于 2026 年 7 月更新。研究内容涉及机器学习与统计学的交叉领域，为核方法在因果推断和预测建模中的应用提供了理论支撑，并附有代码与数据链接供学界复现。 #机器学习 #统计推断 #核方法 #学术论文 #arXiv
一篇题为《Kernel Ridge Regression Inference》的学术论文在 arXiv 上发布，作者为 Rahul Singh 和 Suhas Vijaykumar。该论文聚焦于核岭回归的统计推断问题，提出了一种新的理论框架，旨在解决高维非线性回归中的置信区间构建与假设检验难题。论文自 2023 年首次提交以来，历经多次修订，最新版本于 2026 年 7 月更新。研究内容涉及机器学习与统计学的交叉领域，为核方法在因果推断和预测建模中的应用提供了理论支撑，并附有代码与数据链接供学界复现。 #机器学习 #统计推断 #核方法 #学术论文 #arXiv
Streaming Sliced Optimal Transport 论文发布
Khai Nguyen 在 arXiv 上提交了题为《Streaming Sliced Optimal Transport》的论文，该论文于2025年5月首次发布，并经过多次修订至2026年7月。论文探讨了流式切片最优传输方法，旨在提升大规模数据分布匹配的计算效率。研究提供了完整的PDF、HTML及TeX源码，并附有相关代码和数据链接。该工作受到学术社区关注，可通过NASA ADS、Google Scholar等工具检索引用。论文目前归类于计算机科学和统计学领域，为最优传输理论的应用提供了新思路。 #流式切片最优传输 #KhaiNguyen #arXiv #机器学习 #最优传输 #论文 #AI #数据科学
Khai Nguyen 在 arXiv 上提交了题为《Streaming Sliced Optimal Transport》的论文，该论文于2025年5月首次发布，并经过多次修订至2026年7月。论文探讨了流式切片最优传输方法，旨在提升大规模数据分布匹配的计算效率。研究提供了完整的PDF、HTML及TeX源码，并附有相关代码和数据链接。该工作受到学术社区关注，可通过NASA ADS、Google Scholar等工具检索引用。论文目前归类于计算机科学和统计学领域，为最优传输理论的应用提供了新思路。 #流式切片最优传输 #KhaiNguyen #arXiv #机器学习 #最优传输 #论文 #AI #数据科学
超低温保存猪肾移植成功，器官储存时间大幅延长
美国德克萨斯农工大学的研究团队开发出一种新型压力控制容器，可将肾脏在零下4摄氏度的超低温下保存数天而不形成冰晶。在猪器官实验中，经过超低温保存的肾脏在解冻后成功移植到受体动物体内，其功能表现优于传统冰上保存的器官。这一成果被器官获取组织LifeGift总裁称为“里程碑式的成就”。目前，仅美国就有超过10.4万人在等待肾移植，每天约17人因等不到合适器官而死亡。传统冰上保存法仅能维持器官约24小时，而新方法有望将保存时间延长至数天，从而大幅提高器官利用率，缓解移植器官短缺危机。研究团队计划下一步将技术应用于人体器官移植试验。 #器官移植 #超低温保存 #肾脏移植 #医学突破 #器官短缺 #生物医学工程 #猪器官实验
美国德克萨斯农工大学的研究团队开发出一种新型压力控制容器，可将肾脏在零下4摄氏度的超低温下保存数天而不形成冰晶。在猪器官实验中，经过超低温保存的肾脏在解冻后成功移植到受体动物体内，其功能表现优于传统冰上保存的器官。这一成果被器官获取组织LifeGift总裁称为“里程碑式的成就”。目前，仅美国就有超过10.4万人在等待肾移植，每天约17人因等不到合适器官而死亡。传统冰上保存法仅能维持器官约24小时，而新方法有望将保存时间延长至数天，从而大幅提高器官利用率，缓解移植器官短缺危机。研究团队计划下一步将技术应用于人体器官移植试验。 #器官移植 #超低温保存 #肾脏移植 #医学突破 #器官短缺 #生物医学工程 #猪器官实验