小儿肌肉骨骼系统的临床诊断依赖于医学成像检查的分析。在医学图像处理管道中，使用深度学习算法的语义分割使人可以自动生成患者特定的三维解剖模型，这对于形态学评估至关重要。但是，小儿成像资源的稀缺性可能导致单个深层分割模型的准确性和泛化性能降低。在这项研究中，我们建议设计一个新型的多任务多任务多域学习框架，在该框架中，单个分割网络对由解剖学的不同部分产生的多个数据集进行了优化。与以前的方法不同，我们同时考虑多个强度域和分割任务来克服小儿数据的固有稀缺性，同时利用成像数据集之间的共享特征。为了进一步提高概括能力，我们从自然图像分类中采用了转移学习方案，以及旨在在共享表示中促进域特异性群集的多尺度对比正则化，以及多连接解剖学先验来执行解剖学上一致的预测。我们评估了使用脚踝，膝盖和肩关节的三个稀缺和小儿成像数据集进行骨分割的贡献。我们的结果表明，所提出的方法在骰子指标中的表现优于个人，转移和共享分割方案，并具有统计学上足够的利润。拟议的模型为智能使用成像资源和更好地管理小儿肌肉骨骼疾病提供了新的观点。
translated by 谷歌翻译
生物飞行，滑行和掉落的生物能够具有非凡形式的惯性操纵形式：基于对其多体动力学的精细控制，自由空间操纵，这是猫的自我倾向反射的特征。然而，将惯性的机动能力设计成仿生机器人，例如仿生无人机（UAV）是具有挑战性的。准确地模拟这些无人机在无奇异性环境中的耦合多体动力学需要数值集成符，以确保在强耦合系统中既可以确保无奇异性集成，又可以确保动量和能量保护 - 在现有常规集成商中不可用。在这项工作中，我们开发了一对新的四个季节变化积分器（QVI），显示了这些特性，并证明了它们在仿生无人机中模拟惯性操作的能力，显示了复杂的多体性耦合。这些QVIS被估计，这些QVIS天生没有奇异性。并且是变异的，它们可以表现出出色的能量和动量保护特性。我们探讨了变分集成顺序（左矩形与中点）对集成器的保护特性的影响，并得出结论，在复杂的耦合系统中，规范矩可能会随时间变化，需要中点积分器。所得的中点QVI非常适合分析仿生无人机中的惯性操纵 - 我们在仿真和其他复杂的动力学系统中所证明的功能。
translated by 谷歌翻译
从语音音频中删除背景噪音一直是大量研究和努力的主题，尤其是由于虚拟沟通和业余声音录制的兴起，近年来。然而，背景噪声并不是唯一可以防止可理解性的不愉快干扰：混响，剪裁，编解码器工件，有问题的均衡，有限的带宽或不一致的响度同样令人不安且无处不在。在这项工作中，我们建议将言语增强的任务视为一项整体努力，并提出了一种普遍的语音增强系统，同时解决了55种不同的扭曲。我们的方法由一种使用基于得分的扩散的生成模型以及一个多分辨率调节网络，该网络通过混合密度网络进行增强。我们表明，这种方法在专家听众执行的主观测试中大大优于艺术状态。我们还表明，尽管没有考虑任何特定的快速采样策略，但它仅通过4-8个扩散步骤就可以实现竞争性的目标得分。我们希望我们的方法论和技术贡献都鼓励研究人员和实践者采用普遍的语音增强方法，可能将其作为一项生成任务。
translated by 谷歌翻译
现代高性能战斗机超出了传统的飞行信封通过使用推力矢量进行机动性，因此实现超级措施。随着较持续发展的仿生无人驾驶飞行器（无人机），通过仿生机制的超级制剂能力可能变得明显。到目前为止，这种潜力尚未得到很好的研究：尚未显示生物摩托的无人机能够能够有任何形式的古典超级算法可用于推动矢量。在这里，我们通过展示生物微米传动翼无人机在低变形复杂度下如何执行复杂的Multiaxis鼻子指向和射击（NPA）机动，展示这种能力。非线性飞行动力学分析用于表征飞机修剪状态的多维空间的程度和稳定性，从仿生变形中出现。导航此修剪空间提供了一种基于模型的基于模型的指导策略，用于在仿真中生成开环NPAS操纵。我们的结果展示了仿古飞机用于空战相关的超级借助性的能力，并提供勘探，表征和在此类飞机中进一步形式的经典和非古典超级运动性的指导的策略。
translated by 谷歌翻译
联邦机器学习利用边缘计算来开发网络用户数据的模型，但联合学习的隐私仍然是一个重大挑战。已经提出了使用差异隐私的技术来解决这一点，但是带来了自己的挑战 - 许多人需要一个值得信赖的第三方，或者增加了太多的噪音来生产有用的模型。使用多方计算的\ EMPH {SERVE聚合}的最新进步消除了对第三方的需求，但是在计算上尤其在规模上昂贵。我们提出了一种新的联合学习协议，利用了一种基于与错误学习的技术的新颖差异私有的恶意安全聚合协议。我们的协议优于当前最先进的技术，并且经验结果表明它缩放到大量方面，具有任何差别私有联合学习方案的最佳精度。
translated by 谷歌翻译
上采样器是由问题上采样层引起的，并且由于在上采样时出现的光谱副本。此外，根据所用的上采样层，这种伪像可以是色调的伪像（添加性高频噪声）或过滤伪像（衰减，衰减一些带）。在这项工作中，我们通过研究不同的伪像如何交互和评估模型性能的影响，调查在所产生的音频中具有上采样的伪影的实际意义。为此，我们基准为音乐源分离的大量上采样层：不同的转置和子像素卷积设置，不同的插值上升器（包括基于拉伸和SINC插值的两个新颖的层）和基于不同的基于小波的上升器（包括小说可学习小波层）。我们的研究结果表明，与插值上采样器相关的过滤器件是感知的，即使它们倾向于实现更差的客观分数。
translated by 谷歌翻译