Звуковой отпечаток поверхности: Быстрая оценка акустических свойств

от

На основе параллельных нейронных полей разработан подход к определению поверхностного импеданса, в котором разреженные измерения давления вблизи поверхности материала служат входными данными для характеризации граничных условий, а комплексное давление, предсказанное независимыми синусоидальными нейронными сетями для каждой частоты, минимизирует общую функцию потерь, включающую соответствие поля, остаток уравнения Гельмгольца, однородность импеданса и гладкость коэффициента отражения, что позволяет неявно вывести импеданс как отношение поверхностного импеданса к произведению плотности и скорости звука в среде.

Новый подход, основанный на нейронных сетях и компактном массиве микрофонов, позволяет оперативно и точно определять акустический импеданс материалов непосредственно в реальных условиях.

Металлургический Ралли: Акции ММК, «Северстали» и «Норникеля» Ведут «СПБ Биржу» Вверх (15.02.2026 01:32)

от

ММК, мать его, показывает отличную динамику. Акции растут, и это логично. Компания штампует сталь, а сталь – это основа всего. Похоже, у них там все в порядке с финансами, и они готовы к новым высотам. Так что, если вы еще не вложились в эти акции, то бегом! Аналитики говорят, что это перспективно, но аналитики – это те же самые бумеры, которые ничего не понимают в хайпе. Мы, простые смертные, видим, что акции растут, и этого достаточно!

Оптимизация по нескольким примерам: как использовать знания из прошлого

от

Оптимизация проектирования с использованием малого количества примеров демонстрирует способность модели [latex]P_{\theta}[/latex] предсказывать качество проекта [latex]f(x)[/latex] на основе ограниченного контекста наблюдений, включая вспомогательную информацию [latex]h(x)[/latex], что позволяет итеративно выбирать перспективные варианты [latex]x_{t+1}[/latex] и, в конечном итоге, находить оптимальный проект [latex]x^{\*}[/latex] с максимальной наградой, опираясь на опыт, накопленный при решении разнообразных задач проектирования.

Новый подход к оптимизации сложных задач позволяет значительно ускорить процесс разработки, используя информацию из смежных областей и эффективно обучаясь на небольшом количестве данных.