本文提出了一个加权随机生存林。它可以被视为随机森林的改进,改善其性能。所提出的模型的基本思想是用权重分配给每棵树的替代用于估计随机生存森林危险函数的标准程序,并且可以作为训练参数,通过求解标准二次方以最佳方式计算得到的训练参数优化问题最大化Harrell的C指数。具有真实数据的数值示例说明了所提出的模型与原始随机生存林的比较的优异性。
translated by 谷歌翻译
基于梯度的元学习技术在解决具有挑战性的小镜头学习和快速适应问题方面具有广泛的适用性和实用性。然而,当在极低数据体系中操作高维参数空间时,它们具有实际困难。我们表明,通过学习模型参数的数据依赖性潜在生成表示,并在这个低维潜在空间中进行基于梯度的学习,可以绕过这些限制。由此产生的方法,潜在嵌入优化(LEO),将基于梯度的自适应过程与模型参数的基础高维空间分离。 Ourevaluation表明,LEO可以在竞争性的miniImageNet和tieredImageNet轻量级分类任务上实现最先进的性能。进一步分析表明LEO能够捕获数据中的不确定性,并且可以通过在潜在空间中进行优化来更有效地执行自适应。
translated by 谷歌翻译
鲍德温效应的范围最近受到两位人士的质疑,他们仔细研究了辛顿和诺兰的开创性工作。到目前为止,没有证明其在经验挑战性任务中的必要性。在这里,我们通过塑造高度参数和深度学习算法的初始参数,表明Baldwin效应能够演化出射击监督和强化学习机制。此外,它可以作为最近的机器学习算法在同一组问题上基因上适应强大的学习偏差。称为MAML“ModelAgnostic元学习”,它使用二阶梯度而不是进化来学习一组参考参数(初始权重),这些参数可以允许快速适应从分布中采样的任务。虽然在简单的情况下MAML比Baldwin效应更有效,但Baldwin效应更为通用,因为它不需要将梯度反向传播到参考参数或超参数,并且允许在内环中有效地允许任意数量的梯度更新。 Baldwin效应学习强大的学习依赖性,而不是纯粹基因学习,以独立于学习的方式适应固定行为。
translated by 谷歌翻译
以顺序方式学习任务的能力对于人工智能的发展至关重要。一般而言,神经网络不具备此功能,并且人们普遍认为灾难性遗忘是连接模型的必然特征。我们表明,有可能克服这种限制并培养能够保持他们长期没有经历过的专业知识的网络。我们的方法通过有选择地减慢重量重要任务的权重学习来记住任务。我们通过基于MNIST手写数字数据集解决一组分类任务并依次学习几个Atari 2600游戏,证明我们的方法是可扩展和有效的。
translated by 谷歌翻译
声学数据提供从生物学和通信到海洋和地球科学等领域的科学和工程见解。我们调查了机器学习(ML)的进步和变革潜力,包括声学领域的深度学习。 ML是用于自动检测和利用模式印度的广泛的统计技术家族。相对于传统的声学和信号处理,ML是数据驱动的。给定足够的训练数据,ML可以发现特征之间的复杂关系。通过大量的训练数据,ML candiscover模型描述复杂的声学现象,如人类语音和混响。声学中的ML正在迅速发展,具有令人瞩目的成果和未来的重大前景。我们首先介绍ML,然后在五个声学研究领域强调MLdevelopments:语音处理中的源定位,海洋声学中的源定位,生物声学,地震探测和日常场景中的环境声音。
translated by 谷歌翻译
多模态运动(例如陆地,航空和水上运动)越来越受到机器人研究的兴趣,因为它改善了机器人的环境适应性,运动多功能性和操作灵活性。在地面多个运动机器人中,混合机器人的优势源于其多种(两种或更多种)运动模式,其中机器人可以根据遇到的地形条件进行选择。然而,在改善多个运动模式之间的运动模式转换的自主性方面存在许多挑战。这项工作提出了一种实现atrack-legged四足机器人步骤协商的自主运动模式转换的方法。通过提出的比较滚动和行走运动模式的能量性能的标准,实现了决策过程的自主性。为了实现能源评估目的,提出了两个攀登阶段以实现平稳的步骤谈判行为。模拟显示自主运动模式转换被实现用于具有不同高度的步骤的协商。所提出的方法足够通用,可以在对其运动能量性能进行一些预先研究之后用于其他混合机器人。
translated by 谷歌翻译
认识到作为诗歌或散文的一段文字对于大多数人来说通常都很容易;但是,只有专家可以确定哪个仪表是poembelongs。在本文中,我们建立了回归神经网络(RNN)模型,可以根据纯文本中的米来对诗歌进行分类。输入文本在字符级别进行编码,并直接输入到模型而不进行特征处理。这是机器理解和语言合成的一个进步,尤其是阿拉伯语。在16个阿拉伯语和4米英语的诗歌中,网络能够对诗歌进行错误的分类,总体准确率分别为96.38%和82.31%。用于进行这项研究的诗集数据量很大,超过150万节经文,并且来自不同的非技术资源,几乎阿拉伯和英国文学网站,以及不同的异构和非结构化格式。现在,这些数据集以干净,结构化和文档化的格式公开提供,供其他未来研究使用。据作者所知,这项研究是第一个通过机器学习方法对诗计进行分类,特别是在RNN无特征方法中。此外,该数据集是第一个公开可用的数据集,可用于未来的计算研究。
translated by 谷歌翻译
我们介绍了Bee $ ^ + $,一种95毫克四翼微型机器人,具有改进的可控性和开环响应特性,相对于具有相同尺寸和相似重量的最先进的双翼微型机器人所表现的那些(即, 75毫克哈佛RoboBee和类似的原型)。推动Bee $ ^ + $发展的关键创新是引入极轻(28毫克)孪晶单晶片致动器,这可以设计出一种独立襟翼四翼的新型微机械机构。与两翼RoboBee类飞行器相比,所提出的设计的第一个主要优点是,通过将执行器的数量从两个增加到四个,直接控制输入的数量从三个增加(滚动扭矩,俯仰扭矩和推力 - 当采用简单的正弦激励时,力)到四(滚动扭矩,俯仰扭矩,偏航扭矩和推力)。 Bee $ ^ + $的第二个优点是它的四翼配置和摆动模式自然地抑制了通常影响双翼微型机器人的偏航自由度的旋转扰动。此外,与其他微型机器人相比,Bee $ ^ + $的设计大大降低了相关制造工艺的复杂性,因为单晶片执行器非常容易构建。最后,我们假设,由于相对低的负荷影响它们的扑动机制,所以Beee $ ^ + $ s的预期寿命必须远高于双翼对应物的寿命.Bee $ ^ + $的功能和基本功能是通过一组简单的对照实验证明。我们预计这个新平台可以实现高性能控制器,用于执行低于100毫克的高速特技飞行操作,以及为实现亚克力级别的完全自治而寻求多样化研究。
translated by 谷歌翻译
卷积神经网络(CNN)已成为物体检测任务的最新技术。在本文中,我们已经解释了基于CNN的不同对象检测模型。我们根据两种不同的方法对这些检测模型进行了分类:两阶段方法和一阶段方法。在本文中,我们已经展示了从R-CNN到最终RefineDet的物体检测模型的进步。我们已经讨论了每个模型的模型描述和培训细节。我们还对这些模型进行了比较。
translated by 谷歌翻译
科学计算依赖于执行以某些编程语言编码的计算机算法。鉴于特定的可用硬件,算法速度是一个关键因素。有许多科学计算环境用于编码这样的算法。 Matlab是最成功和最广泛的科学计算环境之一,具有丰富的工具箱,库和数据可视化工具。 OpenCV是一个基于(C ++)的库,主要用于计算机视觉及其相关领域。本文提出了一个比较研究,使用20个不同的真实数据集来比较一些机器学习算法的Matlab和OpenCV的速度。虽然Matlab在开发和数据显示方面更加方便,但OpenCV的执行速度更快,在某些情况下速度比达到80以上。通过使用Matlab或类似环境来选择最成功的算法,可以实现两个世界的最佳效果。然后,使用OpenCV或类似环境实现所选算法以获得速度因子。
translated by 谷歌翻译