世界首台人工智能地震监测系统问世;AAAI 2021 | 利用深度元学习对城市销量进行预测
开发者社区技术周刊又和大家见面了,快来看看这周有哪些值得我们开发者关注的重要新闻吧。
央视网推出基层治理大数据平台 打通政务服务“最后一米”
RedMonk 编程语言排行榜:JS 持续霸榜,Dart 快速上升!
Edge 和 Brave 将匹配 Chromium 的四周发布计划
PyTorch 1.8 发布,支持 AMD,优化大规模训练
世界首台人工智能地震监测系统问世 实时预警反馈提高 1 秒
红帽 OpenShift 4.7 来了,进一步优化传统应用和云原生应用
AAAI 2021丨利用深度元学习对城市销量进行预测
CVPR 2021丨形状与纹理解耦的人体图像生成与编辑方法
近日,央视网基层治理大数据平台正式上线。该平台是主流媒体全面贯彻落实中央要求加强诉源治理、构建基层治理体系与治理能力现代化建设新格局的一项重大举措,对助推“十四五”期间要努力实现“社会治理特别是基层治理水平明显提高”的目标具有重大意义。央视网大数据研究院是依托中央广电总台和央视网资源优势而建立的数字化智库机构。顺应国家大数据战略布局,以中央关于建设数字中国的政策方针为指引,研究院发挥央视网自身的技术创新优势,结合国内外数字产业资源,着眼大数据应用、数字化转型、新媒体传播、新技术应用、网络空间治理等领域的发展趋势,以咨询方案、指数研究、大数据平台和AI技术产品等为载体,为中央部委、地方政府提供基于大数据的决策参考和智库服务,助力国家治理体系和治理能力现代化建设。
知名软件行业分析公司 RedMonk 对 GitHub Archive 和 Stack Overflow 数据工具进行分析后,发布了 2021 年 1 月(Q1 季度)编程语言排名,解析了目前主流编程语言的最新变化。
主要包含这几点:
编程语言的排名在近期发生了一系列的变化,未来可能还会有更大的变动;
JavaScript 从 2014 年来连续 7 年称霸榜首,并将保持第一的领先态势;
Ruby 排名下降,已被 CSS 和 TypeScript 超过;
TypeScript、R 语言、Kotlin 和 Rust 排名提高,Dart 快速上升,有望进入 Top 20。
*详细信息请参考:
https://redmonk.com/sogrady/2021/03/01/language-rankings-1-21/
本月初,Google 宣布 Chrome/Chromium 的发布周期将从六周减少到四周。它将从今年第三季度发布的 Edge 94 起采用这一发布周期。基于 Chromium 的浏览器 MS Edge 和 Brave 都宣布将匹配这一发布计划。微软表示,作为 Chromium 项目的贡献者,它也期待通过四周发布周期更快的将新变化提供给用户。和 Google 一样,微软也计划为企业客户提供更长的发布周期,扩展稳定版本( Extended Stable)将每八周发布一次大更新。
近日,PyTorch 官方博客发1.8版本。据官方介绍,新版本主要包括编译器和分布式训练更新,同时新增了部分移动端教程。整体来看,本次版本更新涵盖 1.7 版本发布以来,共计 3,000 多次 commit,包括编译、代码优化、科学计算前端 API 以及通过 pytorch.org 提供的二进制文件支持 AMD ROCm。同时 PyTorch 1.8 还为管道和模型并行的大规模训练,进行了功能改进和梯度压缩。
*教程及文档详情请访问:
https://pytorch.org/blog/pytorch-1.8-released/
3 月 13 日消息 据中新视频报道,中国科学技术大学团队与中国地震局合作,推出世界首个人工智能地震监测系统——“智能地动”监测系统,可 1 秒内精确估算地震震源机制参数。据介绍,地震的发生是震源处岩石的破裂和错动过程,从地震记录推算地震震源机制是个耗时的过程。该系统能够根据数据库中汇集的上百万个地震资料,结合地震学理论,快速处理正在发生的地震数据。不仅可推断断层的破裂方向、速度等,还可以帮助预测海啸、强余震的可能分布等。
该成果近日发表于《自然—通讯》,近期也将在中国科学技术大学与中国地震局合作研发的“智能地动”人工智能地震监测系统上试运行。
世界领先的开源解决方案提供商红帽公司日前宣布推出业界领先的企业 Kubernetes 平台的最新版本——红帽 OpenShift 4.7。该版本基于 Kubernetes 1.20,旨在简化并加速应用现代化进程,帮助 IT 团队消除在对传统应用与云原生应用进行统一管理时的障碍。所有全新功能将在开放混合云环境中的红帽 OpenShift 一致平台上实现。红帽 OpenShift 提供了多种应用现代化和迁移能力,以满足企业的特定需求。最新版本增加了更多现代化工具,用于将旧有应用迁移到基于微服务的全新架构,从而在不影响创新的前提下,推动所有应用的统一管理,以提高运营效率。
本文中作者对时空交替训练方式在三个大型购物节上也做了比较。在时间训练中,合并操作将来自同一天类型的实例成批集成,而不考虑空间知识。同时,在空间训练中,模型将来自同一区域的一批实例集成在一起,而无需考虑时间信息。但是,与完整的时空交替训练相比,缺乏时空上的联合元知识仍然会导致较低的准确性。这表明不同的训练模式会跨地区和时间类型学习不同的转换。从时空方面的补充训练可以有效地提高预测的准确性。
*论文链接:
http://urban-computing.com/pdf/AAAI2021PurchasePrediction.pdf
由单张人体图像来生成任意视角任意姿态下的图像,是近几年视觉领域研究的热点问题。现有方法无法实现灵活的图像编辑且难以合理预测不可见信息,其根本原因是衣服形状与风格/纹理的耦合以及空域相关信息的丢失。为了解决以上问题,该研究工作设计了形状与风格/纹理信息的分离方案,建立了分阶段分区域图像表示模型,联合局部与全局信息对目标图像进行合理预测,同时使用空间感知的正则化方法保留空间信息,实现了语义引导的新姿态图像生成与编辑,突破了形状与纹理难以解耦的瓶颈,并赋予算法灵活可控的编辑能力。
*论文链接:https://arxiv.org/abs/2103.04023
*以上信息来源于网络,由“京东科技开发者”公众号编辑整理,
不代表京东科技立场*