George Mason University

在LaMem图像上加入逐级高斯噪声后，ResMem、ViTMem、AMNet等主流图像记忆性模型对原本易记的图像给出更低的记忆性估计，对原本难记的图像反而给出更高估计，呈现类似随机共振的反向模式；而88名参与者的连续再认任务显示，易记图像对噪声更耐受，难记图像明显下降。研究者据此构建GraphMem，从图像在相似性图中的邻域而非单张图像特征估计记忆性，在噪声与模糊条件下与人类数据的斯皮尔曼相关最高，噪声训练后其斜率效应为ρ=0.57（95%自助置信区间[0.29,0.75]），是唯一转为正值的模型。

在LaMem图像上加入逐级高斯噪声后，ResMem、ViTMem、AMNet等主流图像记忆性模型对原本易记的图像给出更低的记忆性估计，对原本难记的图像反而给出更高估计，呈现类似随机共振的反向模式；而88名参与者的连续再认任务显示，易记图像对噪声更耐受，难记图像明显下降。研究者据此构建GraphMem，从图像在相似性图中的邻域而非单张图像特征估计记忆性，在噪声与模糊条件下与人类数据的斯皮尔曼相关最高，噪声训练后其斜率效应为ρ=0.57（95%自助置信区间[0.29,0.75]），是唯一转为正值的模型。

针对太小而无法编目的空间碎片，一项研究把雷达探测与贝叶斯种群模型接起来，让雷达在每次观测后选择下一次指向的仰角。在300个模拟世界中各给24次观测，带服务权重的自适应指向在最后一次观测时比固定指向少留41.2%的不确定性，比随机指向少15.4%，比预先排好的多仰角计划少5.35%；而服务权重本身相对不加权自适应只多降1.55%，95%区间跨零。

针对太小而无法编目的空间碎片，一项研究把雷达探测与贝叶斯种群模型接起来，让雷达在每次观测后选择下一次指向的仰角。在300个模拟世界中各给24次观测，带服务权重的自适应指向在最后一次观测时比固定指向少留41.2%的不确定性，比随机指向少15.4%，比预先排好的多仰角计划少5.35%；而服务权重本身相对不加权自适应只多降1.55%，95%区间跨零。