本文描述了针对机器翻译(MT),实体发现和链接(EDL)以及文本和语音中的情景帧(SF文本和语音)的检测的低资源人类语言技术(LoReHLT)2018评估的ARIEL-CMU提交。
translated by 谷歌翻译
我们提出了一种自我监督的方法来训练卷积神经网络,用于从单眼内窥镜检查数据进行密集深度估计,而无需对解剖或阴影进行先验建模。我们的方法仅需要单视内窥镜视频和多视图立体方法,例如,运动的结构,以稀疏的方式进行学习。因此,我们的方法需要在训练和应用阶段进行手动标记或患者计算机断层扫描(CT)扫描。在使用CT scansas groundtruth的跨患者实验中,所提出的方法实现了亚毫米波均方误差。在最近针对体内窦内窥镜检查数据的自然视频设计的自我监督深度估计方法的比较研究中,我们证明了所提出的方法优于前一种方法的大幅度边缘。这项工作的源代码可在线公开获取:http://github.com/lppllppl920/EndoscopyDepthEstimation-Pytorch。
translated by 谷歌翻译
我们介绍了一种基于功能空间上的近似贝叶斯推理而不是深度神经网络参数的有监督连续学习的新方法。我们使用通过将神经网络的最后一层的权重视为随机和高斯分布而获得的高斯过程。用于连续学习的功能正则化自然地通过以顺序方式应用变分稀疏GP推理方法来遇到新任务。在该过程的每个步骤中,构造当前任务的概要,其包括(i)诱导输入和(ii)在这些输入处的函数值的后验分布。本摘要通过出现在变分下界中的Kullback-Leiblerregularisation术语来定期学习未来任务,并减少灾难性遗忘的影响。我们充分发展了方法理论,并证明了它在分类数据集中的有效性,如Split-MNIST,Permuted-MNIST和Omniglot。
translated by 谷歌翻译
社交媒体革命改变了品牌与消费者互动的方式。越来越多的公司选择与所谓的互联网“影响者”合作,而不是将他们的广告预算用于州际公路板上,他们已经获得了忠实的关注平台,以获得他们发布的高质量内容。不幸的是,对于小品牌来说,找到合适的影响者并不总是那么容易:有人与他们的企业形象保持一致并且尚未普及到无法承受的程度。在本文中,我们寻求开发一个用于品牌影响力配对的系统,利用现代机器学习技术的力量和灵活性。结果是一种算法,可以根据他们发布的内容的相似性来预测最有成效的品牌影响者合作关系。
translated by 谷歌翻译
对人机协作或人机协作的研究主要集中在理解和促进单个机器人与单个人之间的协作上。将人机协作研究扩展到二元范围之外,提出了一个新的问题,即机器人应该如何分配集团成员的资源以及分布的社会和任务相关后果。需要方法上的进步才能让研究人员收集涉及多人的人体机器人协作数据。本文介绍了塔式建设,这是一项新的资源分配任务,允许研究人员检查机器人与人群之间的协作。通过关注机器人是否以及如何分配资源(建筑任务所需的木块)影响协作动力学和结果的问题,我们提供了一个案例,说明如何将该任务应用于实验室研究中,有124名参与者收集有关人体机器人协作的数据涉及多个人。我们强调任务可以产生的各种洞察力。特别是我们发现资源的分配会影响对人类成员之间的表现和人际交往的感知。
translated by 谷歌翻译
本研究采用了Adposition和Case Supersenses(SNACS)注释的语义网络对普通话进行调整,并证明了相同的超音体类别适合汉语的adposition语义。我们注释了小王子的15个章节,具有高度的注释协议。平行词可以深入了解两种语言的位置之间的结构差异,即在英语语料库中经常出现或未经证实的许多结构。带注释的语料库可以进一步支持用中文自动消除对位置的歧义,两种语言之间的共同上下文可能有助于机器翻译等语言上的任务。
translated by 谷歌翻译
我们考虑通过结合来自不同航空公司的支路来有效地构建廉价和新颖的往返航班行程的问题。我们分析了导致这些行程价格的因素,并发现仅仅30%的航空公司的结果导致了这种结果,并且这些行程离用户的搜索日期越近,他们就越有可能比一个航空公司的机票更便宜。航空公司。我们使用这些洞察力来将问题表述为回忆廉价行程构造与构建它们相关的成本之间的权衡。我们提出了一种带有位置嵌入的监督学习解决方案,其AUC = 80.48,比简单的基线有了实质性的改进。讨论了处理模型的陈旧性和稳定性的各种实际考虑因素,并提出了机器学习管道的设计。最后,我们分析了模型在生产中的表现以及对Skyscanner用户的影响。
translated by 谷歌翻译
我们介绍了一种遗传算法,该算法设计具有特定属性的量子光学实验。我们的算法具有强大的灵活性,可以轻松修改以找到适用于各种应用的工程状态方法。在这里,我们专注于量子计量。首先,我们考虑无噪声情况,并使用该算法找到具有大量子Fisher信息(QFI)的量子态。我们找到的方法只涉及当前技术可用的实验元素,工程量子态比最佳经典状态提高了100倍,并且比最佳高斯状态提高了20倍。这些状态是叠加的具有大量光子的真空(大约80个),因此可以被视为Schr \“odinger-cat-like state。然后我们在我们的设置中应用两个最主要的噪声源 - 光子损失和不完美的预测 - 并使用该方法利用奇异的非高斯基态进行量子增强相位测量,开辟了在最优高斯状态下仍具有实际噪声水平的量子态算法。最后,我们利用贝叶斯方差误差来研究超越QFI的有效性制度,即使实验在有限数据体系中运行,也可以对替代品进行精确增强。
translated by 谷歌翻译
虽然近年来深度学习取得了巨大成功,但研究人员发现了一个严重的缺陷,即系统输入中的细微变化无法改变输出分类。几乎所有现有的深度学习分类框架都可以利用这些攻击。然而,尚未研究深度稀疏编码模型对对抗性实例的敏感性。在这里,我们表明基于深度稀疏编码模型的分类器,其分类精度与各种深度神经网络模型竞争是强大的对抗性实例,有效地欺骗那些相同的深度学习模型。我们定量和定性地证明了深度编码模型对对抗性例子的鲁棒性来自于两个关键属性。首先,因为深度稀疏编码模型整体上学习了与数据集生成器相对应的一般特征,而不是用于区分特定类的高度辨别特征,由于深度稀疏编码模型利用具有自上而下反馈的固定点吸引动力学,所以得到的分类器无法依赖于特殊特征。第二,因为更难以找到输入的微小变化,这些变化驱动得到的表示超出了正确的attractorbasin。
translated by 谷歌翻译
我们的艺术家和机器学习研究团队设计了一种创造性算法,可以生成真正的雕塑艺术品。这些艺术品不会模仿任何给定的形式,也不能轻易归类为数据集类别。我们的方法将DeepDream从图像扩展到3D点云。提出的算法,Amalgamated DeepDream(ADD),利用点云的属性来创建比天真扩展更好的对象.ADD为机器的创造力提供了希望,推动艺术家探索新方法或材料的创造力,并创造新的类型而不是在onegenre中创建现有表单或样式的变体。例如,从现实主义到抽象表现主义,或极简主义。最后,我们展示了基于ADD创建的点云进行3D打印的雕塑。
translated by 谷歌翻译