时尚推荐通常被拒绝,因为它是找到适合给定用户的查询服装或检索服装的互补物品的任务。在这项工作中,我们通过根据提议的敷料的样式添加附加语义层来解决问题。我们根据两个重要方面的样式建模:颜色组合图案背后隐藏的情绪和情感以及给定类型的社交事件所检索的服装的适当性。为了解决前者,我们依靠Shigenobu Kobayashi的颜色图像量表,这将情感模式和情绪与色彩三元组相关联。相反,通过从社交事件的图像中提取服装来分析后者。总体而言,我们集成了最先进的服装建议框架样式分类器和事件分类器,以便在给定的查询上建议建议。
translated by 谷歌翻译
体育由于其全球影响力和影响力丰富的预测任务,是部署机器学习模型的令人兴奋的领域。但是,由于其规模,准确性和可访问性,传统运动的数据通常不适合研究使用。为了解决这些问题,我们转向电子竞技,这是一个越来越多的域,它涵盖了类似于传统体育的视频游戏。由于电子竞技数据是通过服务器日志而不是外围传感器获取的,因此电子竞技提供了一个独特的机会来获得大量清洁和详细的时空数据,类似于传统运动中收集的数据。为了解析电子竞技数据,我们开发了AWPY,这是一个开源电子竞技游戏日志解析库,可以从游戏日志中提取玩家轨迹和动作。使用AWPY,我们可以从1,558个游戏日志中解析86万动作,79万游戏帧和417K轨迹,从专业的反击比赛中创建电子竞技轨迹和动作(ESTA)数据集。埃斯塔(ESTA)是迄今为止最大,最颗粒状的公共运动数据集之一。我们使用ESTA来开发基准,以使用特定于玩家的信息进行赢得预测。 ESTA数据可在https://github.com/pnxenopoulos/esta上获得,并且AWPY通过PYPI公开。
translated by 谷歌翻译
自引入以来,图形注意力网络在图表表示任务中取得了出色的结果。但是,这些网络仅考虑节点之间的成对关系,然后它们无法完全利用许多现实世界数据集中存在的高阶交互。在本文中,我们介绍了细胞注意网络(CANS),这是一种在图表上定义的数据上运行的神经体系结构,将图表示为介绍的细胞复合物的1个骨骼,以捕获高阶相互作用。特别是,我们利用细胞复合物中的下层和上层社区来设计两种独立的掩盖自我发项机制,从而推广了常规的图形注意力策略。罐中使用的方法是层次结构的,并结合了以下步骤:i)从{\ it node demantion}中学习{\ it Edge功能}的提升算法}; ii)一种细胞注意机制,可以在下层和上邻居上找到边缘特征的最佳组合; iii)层次{\ it Edge Pooling}机制,以提取一组紧凑的有意义的功能集。实验结果表明,CAN是一种低复杂性策略,它与基于图的学​​习任务的最新结果相比。
translated by 谷歌翻译
从物理的角度来看,深度神经网络是其“链接”和“顶点”迭代处理数据并以优选求解任务的图形。我们使用复杂的网络理论(CNT)作为定向的加权图代表深神网络(DNN):在此框架内,我们引入指标将DNN作为动力学系统,其粒度从重量到包括神经元在内的层延伸到层。CNT区分参数和神经元数量不同的网络,隐藏层和激活的类型以及客观任务。我们进一步表明,我们的指标会区分低性能网络。CNT是一种理论DNN的综合方法,也是解释模型行为的互补方法,该方法实际上是基于网络理论的,并且超越了研究良好的输入输出关系。
translated by 谷歌翻译
本文描述了可以用于控制上限假体的人机界面的新框架。目的是从嘈杂的表面肌电图信号中估算人类的电动机意图,并在存在以前看不见的扰动的情况下,对假体(即机器人)执行电动机意图。该框架包括每个自由度的肌肉弯曲模型,一种学习用于估计用户电机意图的模型的参数值的方法,以及使用从肌肉模型获得的刚度和阻尼值来适应的可变阻抗控制器假体运动轨迹和动力学。我们使用人机界面的模拟版本在强大的人类的背景下进行实验评估我们的框架,以执行主要在手腕中攻击一种自由的任务,并以统一力场的形式考虑外部扰动这将手腕从目标上推开。我们证明我们的框架提供了所需的自适应性能,并且与数据驱动的基线相比,可以大大提高性能。
translated by 谷歌翻译
在处理多点测量时,即传统的黑盒优化方法效率低下,即,当控制域中的每个查询需要在次级域中的一组测量以计算目标时。在粒子加速器中,四极扫描的发射率调整是具有多点测量的优化示例。尽管发射率是高亮度机器(包括X射线激光器和线性碰撞者)的性能的关键参数,但综合优化通常受到调整所需的时间的限制。在这里,我们将最近提供的贝叶斯算法执行(BAX)扩展到具有多点测量的优化任务。 BAX通过在关节控制测量域中选择和建模各个点来实现样品效率。我们将BAX应用于Linac相干光源(LCLS)和晚期加速器实验测试II(Facet-II)粒子加速器的设施。在LCLS模拟环境中,我们表明BAX的效率提高了20倍,同时与传统优化方法相比,噪声也更强。此外,我们在LCLS和facet-II上运行了Bax,与Facet-II的手工调整发射率相匹配,并获得了比LCLS在LCLS上获得的最佳发射率低24%。我们预计我们的方法很容易适应其他类型的优化问题,这些优化问题涉及科学仪器中常见的多点测量。
translated by 谷歌翻译
由于意识的提高,人体工程学的风险评估现在比过去更频繁地进行。基于对工作场所的专家辅助观察和手动填写评分表的常规风险评估评估仍然是主要的。数据分析通常是在关注关键时刻的重点,尽管不支持上下文信息和随时间变化。在本文中,我们介绍了ErgoExplorer,这是一种用于风险评估数据的交互式视觉分析的系统。与当前的实践相反,我们专注于跨越多个动作和多个工人的数据,同时保留所有上下文信息。数据自动从视频流中提取。基于经过仔细研究的分析任务,我们介绍了新的观点及其相应的交互。这些观点还结合了特定领域的分数表,以确保域专家轻松采用。所有视图都集成到ErgoExplorer中,该视图依赖于协调的多个视图来通过互动来促进分析。 ErgoExplorer使得首次可以在长期播放多个操作的长时间内检查各个身体部位的风险评估之间的复杂关系。新介绍的方法支持几个详细层面的分析和探索,从一般概述到如有必要的话,请直到检查视频流中的单个帧。我们说明了将其应用于几个数据集的新提出的方法的有用性。
translated by 谷歌翻译
自动评估学习者能力是智能辅导系统中的一项基本任务。评估专栏通常有效地描述了相关能力和能力水平。本文介绍了一种直接从评估标题定义某些(部分)能力级别的评估标题中得出学习者模型的方法。该模型基于贝叶斯网络,并以不确定性(通常称为嘈杂的门)利用逻辑门来减少模型的参数数量,因此,以简化专家的启发并允许对智能辅导系统的实时推断。我们说明了如何应用该方法来自动对用于测试计算思维技能的活动的人类评估。从评估主题开始的模型的简单启发打开了快速自动化几个任务的自动化的可能性,从而使它们在自适应评估工具和智能辅导系统的背景下更容易利用。
translated by 谷歌翻译
计算流体动力学(CFD)可用于模拟血管血流动力学并分析潜在的治疗方案。 CFD已显示对改善患者预后有益。但是,尚未实现CFD的实施CFD。 CFD的障碍包括高计算资源,设计模拟设置所需的专业经验以及较长的处理时间。这项研究的目的是探索使用机器学习(ML)以自动和快速回归模型复制常规主动脉CFD。用于训练/测试的数据该模型由在合成生成的3D主动脉形状上执行的3,000个CFD模拟组成。这些受试者是由基于实际患者特异性主动脉(n = 67)的统计形状模型(SSM)生成的。对200个测试形状进行的推理导致压力和速度的平均误差分别为6.01%+/- 3.12 SD和3.99%+/- 0.93 SD。我们的基于ML的模型在〜0.075秒内执行CFD(比求解器快4,000倍)。这项研究表明,可以使用ML以更快的速度,自动过程和高精度来复制常规血管CFD的结果。
translated by 谷歌翻译
对于腿部机器人,航空动作是唯一可以通过标准运动步态绕过的障碍物的唯一选择。在这些情况下,机器人必须进行飞跃,以跳到障碍物或飞越障碍物上。但是,这些运动代表了一个挑战,因为在飞行阶段\ gls {com}无法控制,并且机器人方向的可控性有限。本文重点介绍了后一个问题,并提出了一个由两个旋转和驱动的质量(飞轮或反应轮)组成的\ gls {ocs},以获得机器人方向的控制权。由于角动量的保护,即使与地面没有接触,它们的旋转速度也可以调节以引导机器人方向。飞轮的旋转轴设计为入射,导致一个紧凑的方向控制系统,该系统能够控制滚动和俯仰角,考虑到这两个方向的不同惯性矩。我们通过机器人Solo12上的模拟测试了该概念。
translated by 谷歌翻译