我们介绍了概率世界，这是一个新的全象征性的贝叶斯型号的语义解析和推理模型，作为对更具领域和任务通用NLU和AI的研究计划的第一步。人类创造了他们观察的内部心理模型，这极大地帮助理解和理解大量问题。在PWM中，句子的含义，获得世界的事实，以及推理的中间步骤都以人类可读的形式表达，具有可解释性的设计目标。 PWM是贝叶斯，专为能够概括新域和新任务而设计。我们派生并实现了一种推导算法，通过解析和释放捕获这些句子的语义的潜在世界模型来读取句子，并在两个域名问题答案数据集中评估它：（1）校对器和（2 ）我们呼叫虚构的新数据集，旨在更具实际语言的代表，但仍然足够简单，以重新评估推理能力，同时对启发式鲁棒。我们的方法均优于两者的基线，从而将其值证明其作为概念验证。
translated by 谷歌翻译
域转移是医疗计算机视觉中最突出的挑战之一。由于扫描仪的参数和成像协议的巨大变化，即使是从同一人获得的图像，同一扫描仪也可能有很大差异。我们解决了由重建过程中使用的不同卷积内核引起的计算机断层扫描（CT）图像的可变性，这是CT中的关键域移位因子。卷积内核的选择会影响像素的粒度，图像平滑度和噪声水平。我们分析了配对的CT图像的数据集，其中从相同的辛图中重建了带有不同内核的光滑和清晰的图像，从而提供了相同的解剖结构，但样式不同。尽管需要相同的预测，但我们表明，作为对成对预测之间的平均骰子的一致性仅为0.54。我们提出了过滤后的反射增强（FBPAUG），这是一种简单且令人惊讶的有效方法，可在曲《正式空间中增强CT图像》中使用不同的内核模拟重建。我们将提出的方法应用于零弹药域的适应设置中，并表明一致性从0.54提高到0.92优于其他增强方法。源域数据和目标域数据都不需要特定的准备，因此我们公开发布的FBPAUG可以用作任何基于CT的任务中零弹射域适应的插件模块。
translated by 谷歌翻译