高效全局优化(EGO)广泛用于优化计算上昂贵的黑盒功能。它使用基于高斯过程(克里金法)的替代建模技术。然而,由于使用了静态协方差,克里金不太适合近似非平稳函数。本文探讨了深度高斯过程(DGP)在EGO框架中的整合,以处理非平稳问题,并研究诱发的挑战和机遇。对分析问题进行数值实验以突出DGP和EGO的不同方面。
translated by 谷歌翻译
肺叶的可靠和自动分割对于肺病的诊断,评估和量化是重要的。现有技术过于缓慢,不合需要地依赖于先前(气道/血管)分割,和/或需要用户交互以获得最佳结果。这项工作提出了基于进步密集V网络(PDV-Net)的可靠,快速和全自动肺叶分割。所提出的方法可以在网络的一个正向通道中对肺叶进行分割,使用1个Nvidia Titan XP GPU平均运行时间为2秒,无需任何先前的地图集,肺分割或任何后续用户干预。我们使用来自LIDC的84个胸部CT扫描和来自LTRCdatasets的154个病理学病例评估我们的模型。我们的模型LIDC测试集的Dice评分为$ 0.939 \ pm 0.02 $,LTRC测试集的Dice评分为$ 0.950 \ pm 0.01 $,明显优于a2D U-net模型和3D密集V-net。我们针对来自LOLA11挑战的55个进一步评估了我们的模型,得到的平均骰子评分为0.935 ---表现水平与表现最佳的团队竞争,平均得分为0.938。我们广泛的稳健性分析还表明,我们的模型可以在不同供应商的CT扫描中可靠地分割健康和病理性肺叶,并且我们的模型可以很好地抵抗CTscan重建的配置。
translated by 谷歌翻译
医学图像分割是图像处理的重要组成部分,其在分析大体解剖结构,定位体弱和计划外科手术过程中发挥重要作用。脑磁共振成像(MRI)对于准确诊断具有相当重要的意义。然而,精确准确的脑MRI分割是一项具有挑战性的任务。在这里,我们提出了一种有效的脑MR图像分割框架。为此,Gabor transform方法用于计算brainMRI的特征。然后,使用四种不同的分类器对这些特征进行分类,即增量监督神经网络(ISNN),K-最近邻(KNN),概率神经网络(PNN)和支持向量机(SVM)。这些分类器的性能研究了不同脑图像的不同图像,并观察了不同脑组织中这些分类器性能的变化。因此,我们提出了一种基于规则的混合方法来进行脑MRI检查。实验结果表明,这些分类器的性能随每个组织MRI而变化,并且所提出的基于规则的hybridapproach表现出更好的脑MRI组织分割。
translated by 谷歌翻译
本文利用中智能c_means提出了一种新的流明边界识别方法。该方法使用不确定性和中智性理论将血管内光学相干断层扫描图像的像素聚类成若干簇,其旨在检测边界。血管内光学相干断层扫描图像是从冠状动脉壁获取的横截面和高分辨率图像。冠状动脉疾病每年都会导致很多死亡。诊断这种疾病的第一步是检测管腔边界。采用这种方法,我们得到了0.972,0.019,0.076 mm2,0.32 mm和0.985作为Jaccard测量值(JACC)的平均值,面积差异百分比(PAD),平均距离(AD),Hausdorff距离(HD),和骰子指数(DI)。基于我们的结果,该方法具有高精度性能。
translated by 谷歌翻译
在本文中,我们研究了近年来图像处理界开发的几种典型纹理属性,这些属性是表征迁移地震体的特征。这些属性在频域或空间域中生成,包括可操纵的金字塔,曲线,局部二进制模式和局部半径索引。比较研究在图像检索框架内进行。我们根据检索准确性评估这些属性。我们希望这项比较研究能够帮助解释地震解释界与许多可用的强大图像纹理分析技术,为地震勘探提供更多的替代属性。
translated by 谷歌翻译
我们提出了一种新的运动规划方法,并说明了它在几个典型实例中的实现。该方法的核心新颖思想是定义一个度量,其中最小长度的路径是一条不允许的路径,即遵循环境和系统物理特性对其动态所施加的各种约束的路径。更准确地说,我们的方法将具有完整和非完整约束的控制系统,配置空间中的初始和最终点,要避开的障碍的描述以及系统的初始轨迹(称为草图)作为输入。除了避障限制之外,该初始轨迹不需要满足约束。然后将约束编码为内积,其用于(通过同伦)将初始曲线变形为可容许的轨迹,从该轨迹可以获得实现传递的控制。我们在各种示例中说明了该方法,包括带障碍物的车辆运动和双连杆机械手问题。
translated by 谷歌翻译
找出观察到的影响的原因和建立事件之间的因果关系是(并且一直是)科学和哲学的基本要素。可以检测因果关系的自动化方法是非常受欢迎的,但是可以推断因果关系的实用方法很难找到,也是正在进行的研究的主题。虽然香农信息仅检测相关性,但有一些信息理论概念“有向信息”已成功检测到某些系统中的因果关系,特别是在神经科学界。然而,最近的工作表明,某些定向信息测量有时可能无法充分估计因果关系的程度,甚至无法识别系统组件之间存在的因果关系,特别是如果神经元以加密方式影响效应神经元。在这里,我们测试加密逻辑在进化过程中出现的频率,该过程为两个基本认知任务生成人工神经回路:运动检测和声音定位。我们的研究结果表明,转移因果关系的熵测量是否具有误导性,在很大程度上取决于所考虑的认知任务。这些结果强调了理解有助于认知处理的基本逻辑过程的重要性,并量化它们在任何给定神经系统中的相关性。
translated by 谷歌翻译
在本文中,我们提出使用语义图像,一种改进的视频分析表示,主要与Inceptionnetworks结合使用。通过在近似排队之前使用全局聚类(LSSGC)应用局部稀疏化来获得语义图像,其总结了单个或多个图像中的运动特征。它通过将窗口中的静态背景覆盖到随后的分段帧上来合并背景信息。这个想法是通过关注对动作识别很重要的区域和使用frameranking方法编码时间方差来改进动作 - 运动动力学。我们还提出了Inceptption-ResNetv2和长期短期记忆网络(LSTM)的顺序组合,以利用时间差异来提高识别性能。对UCF101和HMDB51数据集进行了广泛的分析,这些数据集广泛用于行动识别研究。我们证明了(i)语义图像比其原始变体产生更好的收敛和收敛,(ii)在近似秩汇集之前使用分段产生更好的识别性能,(iii)LSTM的使用利用来自近似秩汇集的时间方差信息来模拟动作行为优于基本网络,(iv)所提出的表示可以是自适应的,因为它们可以与现有方法一起使用,例如时间段网络,以提高识别性能,以及(v)我们提出的包含语义图像和语义光学的四流网络体系结构流程达到了最先进的性能,分别在UCF101和HMDB51上具有95.9%和73.5%的识别准确度。
translated by 谷歌翻译
我们解决了设计会话化身的问题,这种化身能够与老年人进行随意交谈。具有贪婪,社交焦虑或倦怠风险的用户可以在他们方便的时候私下练习这种对话。我们为LISSA描述了一个自动的talkndialogue管理器,这是一个屏幕上的虚拟代理,可以让老用户参与几个会话的对话,每个会话持续10-20分钟。 LISSA背后的想法是通过在对话过程中的某些点提供对非言语行为的反馈来提高用户的沟通技巧。在本文中,我们分析了LISSA与8名参与者之间第一次会议收集的对话。我们通过将成绩单与WOZ设置中收集的成绩单进行比较来检查对话的质量。 LISSA对谈话的贡献由研究助理评判,他们评估了贡献“自然”,“正常”,“鼓励”,“理解”,“相关”和“礼貌”的程度。结果表明,自动对话管理器能够顺畅自然地与用户进行对话。
translated by 谷歌翻译
神经过程(NPs)(Garnelo等2018a; b)通过学习来回归以将观察到的输入 - 输出对的上下文集映射到分布式回归函数。每个函数都根据上下文对输出的分布进行建模。 NP具有有效拟合数据的优势,具有上下文输入 - 输出对数量的线性复杂度,并且可以学习一大类条件分布;它们学习以仲裁集的上下文集为条件的预测分布。尽管如此,我们还是表明NPs存在一个基本的缺点,即在观察到的数据条件的输入上给出了不准确的预测。我们通过将注意力集中到NP来解决这个问题,允许每个输入位置参与预测的相关上下文点。我们证明,这极大地提高了预测的准确性,显着加快了训练速度,并扩展了可以建模的功能范围。
translated by 谷歌翻译