本文介绍了“多样性意识”机器人技术的概念，并讨论了开发计算模型以嵌入具有多样性意识的机器人的必要性：也就是说，能够适应和重新配置其行为以识别，尊重和重视独特性的机器人他们与他们互动以促进包容性的人，无论其年龄，种族，性别，认知或身体能力等。最后，本文从以前具有文化能力的机器人的经验开始，讨论了基于本体和贝叶斯网络的技术解决方案。
translated by 谷歌翻译
本文介绍了CAIR的设计和实施：为社会机器人和其他对话代理而设计的基于知识的自主互动的云系统。该系统对于低成本机器人和设备特别方便。为开发人员提供了一种可持续的解决方案，可以通过网络连接来管理口头和非语言互动，约有3,000个对话主题可以进行“闲聊”，并提供了一个预先煮熟的计划库，只需要将其接地到机器人的库中物理能力。该系统的结构为一组REST API端点，因此可以通过添加新的API来轻松扩展它，以提高连接到云的客户端的功能。该系统的另一个关键功能是它旨在使客户的开发变得直接：这样，可以轻松地赋予多个设备与用户自主交互的能力，了解何时执行特定的操作并利用云服务提供的所有信息。文章概述并讨论了为评估系统响应时间的性能而执行的实验结果，为研究和市场解决方案铺平了道路。提供了与ROS的客户的存储库的链接，并提供了诸如Pepper和Nao之类的流行机器人的链接。
translated by 谷歌翻译
本文介绍了图像“培养”的概念，即定义为改变“文化特征的画笔”的过程，使物体被认为属于给定文化的同时保留其功能。首先，我们提出了一种基于生成的对冲网络（GaN）将物体从源转换为目标文化域的管道。然后，我们通过在线调查问卷收集数据，以测试有关意大利参与者对属于不同文化的物体和环境的偏好的四个假设。正如预期的那样，结果取决于个人口味和偏好：然而，它们符合我们的猜想，即某些人在与机器人或其他智能系统的互动期间，可能更愿意被示出其文化领域已被修改以匹配其的图像文化背景。
translated by 谷歌翻译
包括推荐系统在内的许多深度学习系统学习，以矢量嵌入形式的偏好空间模型都学到了。通常，这些模型被假定近似于欧几里得结构，在该结构中，个人更喜欢替代品更接近其“理想点”，如欧几里得度量所测量。但是，Bogomolnaia和Laslier（2007）表明，如果欧几里得空间的维度少于个人或替代方案，则存在该结构的序着偏好曲线。我们扩展了这一结果，表明存在一些现实情况，其中几乎所有的偏好概况都不能用欧几里得模型表示，并在与欧几里得模型近似于不说明的偏好时，在丢失的信息上得出了理论下的下限。我们的结果对载体嵌入的解释和使用具有影响，因为在某些情况下，只有在嵌入的维度是个体数量或替代方案的很大一部分时，才可能接近任意偏好。
translated by 谷歌翻译
电子交易平台的引入有效地将传统系统交易的组织从引用驱动的市场转变为秩序驱动的市场。它的便利导致了越来越多的财务数据，然而由于金融时间序列的低信噪比和非公平性，因此很难用于预测未来价格。更简单的分类任务 - 目标是预测未来价格运动的方向 - 通过监督的学习算法需要足够可靠的标签来概括。然而，标签财务数据比其他域更少得多：价格是否因为噪音或信号而上涨？现有的标签方法对改善学习算法的噪声和有限效果具有有限的对策。这项工作从自我监督学习中的交易和成功中的图像分类中获取了灵感。我们调查将计算机视觉技术应用于金融时序系列以减少噪声暴露，因此产生正确的标签。我们将标签生成视为自我监督的学习方法的借口任务，并比较了文献中常用的天真（和嘈杂）标签，该标签与用于相同的下游分类任务的去噪自动化器产生的标签。我们的结果表明，我们的去噪标签可以改善下游学习算法的性能，适用于小型和大型数据集。我们进一步表明，我们获得的信号可用于有效地与二元策略进行交易。我们建议，通过提出的技术，自我监督的学习构成了一种强大的框架，用于产生“更好”的财务标签，这对于研究市场的潜在模式有用。
translated by 谷歌翻译
最近已经提出了基于编码图像作为神经网络的重量的各种压缩方法。然而，视频压缩类似方法的潜力仍然是未开发的。在这项工作中，我们建议使用两个架构范式，基于坐标的MLP（CBMLP）和卷积网络来测试压缩视频的可行性的一组实验。此外，我们提出了一种新颖的神经重量踩踏技术，其中视频的后续帧被编码为低熵参数更新。为了评估所考虑的方法的可行性，我们将在几个高分辨率视频数据集上测试视频压缩性能，并与现有的传统和神经压缩技术进行比较。
translated by 谷歌翻译