这项工作在拆分计算领域迈出了重大步骤,即如何拆分深神经网络以将其早期部分托管在嵌入式设备上,而其余则在服务器上。到目前为止,已经确定了潜在的分裂位置,以利用独特的建筑方面,即基于层尺寸。在此范式下,只有在执行分裂并重新训练整个管道后,才能评估分裂的疗效,从而对所有合理的分裂点在时间方面进行详尽的评估。在这里,我们表明,不仅层的结构确实很重要,而且其中包含的神经元的重要性也很重要。如果神经元相对于正确的班级决策,神经元很重要。因此,应在具有高密度的重要神经元的层后立即施加拆分,以保留流动的信息。根据这个想法,我们提出了可解释的拆分(i-split):通过提供有关该分型在分类准确性方面的表现,事先对其有效实现的可靠性,以确定最合适的分裂点的过程。作为I-Split的另一个重大贡献,我们表明,多类分类问题的分裂点的最佳选择还取决于网络必须处理的特定类别。详尽的实验已在两个网络(VGG16和Resnet-50)以及三个数据集(Tiny-Imagenet-200,Notmnist和胸部X射线肺炎)上进行。源代码可在https://github.com/vips4/i-split上获得。
translated by 谷歌翻译
本文介绍了一个基于量子神经网络的深度学习系统,用于在平面上特定几何模式(两个摩尔分类问题)的点的二进制分类。我们认为,混合深度学习系统(经典 +量子)的使用不仅可以在计算加速度方面带来合理的好处,而且在理解基本现象和机制方面都可以带来好处。这将导致创建新的机器学习形式,以及量子计算世界中的强大发展。所选数据集基于2D二进制分类生成器,该生成器有助于测试特定算法的有效性;它是一组2D点,形成两个散布的半圆。它在二维表示空间中显示了两个分离的数据集:因此,功能是单个点的两个坐标,$ x_1 $和$ x_2 $。目的是产生一个量子深神经网络,其可识别和分类点的可训练参数数量最少。
translated by 谷歌翻译
尽管传记在语义网络中广泛传播,但自动提取传记事件的资源和方法受到限制。这种限制减少了结构化的,可读的传记信息的数量,尤其是关于属于代表性不足的人的人的数量。我们的工作通过为生活事件的语义注释提供一组准则来挑战这一限制。该准则旨在与现有的ISO语义注释标准可互操作:ISO-TIMEML(ISO-24617-1)和SEMAF(ISO-24617-4)。通过代表不足的作家的维基百科传记的注释任务,即非西方国家,移民或属于少数民族的作者,对准则进行了测试。 4个注释者注释了1,000个句子,平均通知者协议为0.825。由此产生的语料库被映射在Ontonotes上。这样的映射允许扩展我们的语料库,表明已经存在现有资源可以用于传记事件提取任务。
translated by 谷歌翻译
最近,自我监督的神经语言模型最近已应用于生物序列数据,进步的结构,功能和突变效应预测。一些蛋白质语言模型,包括MSA变压器和Alphafold的Evoformer,将进化相关蛋白的多个序列比对作为输入。 MSA Transformer的行专注的简单组合导致了最新的无监督结构接触预测。我们证明,MSA变压器柱浓度的简单和通用组合与MSA中序列之间的锤距距离密切相关。因此,基于MSA的语言模型编码详细的系统发育关系。我们进一步表明,这些模型可以将编码功能和结构约束的共同进化信号与反映历史意义的系统发育相关性分开。为了评估这一点,我们从POTTS模型中生成了在天然MSA训练的POTTS模型的合成MSA。我们发现,当使用MSA变压器与推断的POTTS模型时,无监督的接触预测对系统发育噪声的弹性更大。
translated by 谷歌翻译
自治系统正在成为海洋部门内无处不在和获得势头。由于运输的电气化同时发生,自主海洋船只可以降低环境影响,降低成本并提高效率。虽然仍然需要密切的监控以确保安全,但最终目标是完全自主权。一个主要的里程碑是开发一个控制系统,这足以处理任何也稳健和可靠的天气和遇到。此外,控制系统必须遵守防止海上碰撞的国际法规,以便与人类水手进行成功互动。由于Colregs被编写为人类思想来解释,因此它们以暧昧的散文写成,因此不能获得机器可读或可核实。由于这些挑战和各种情况进行了解决,古典模型的方法证明了实现和计算沉重的复杂性。在机器学习(ML)内,深增强学习(DRL)对广泛的应用表现出了很大的潜力。 DRL的无模型和自学特性使其成为自治船只的有希望的候选人。在这项工作中,使用碰撞风险理论将Colregs的子集合在于基于DRL的路径和障碍物避免系统。由此产生的自主代理在训练场景中的训练场景,孤立的遇难情况和基于AIS的真实情景模拟中动态地插值。
translated by 谷歌翻译
在这项工作中,我们开始使用深入学习方法来找到对蛋白质结构进行分类的方法。我们的人工智能已经训练,以识别从蛋白质数据库(PDB)数据库外推的复杂的生物分子结构,并将其被重新处理为图像;为此目的,已经使用预先训练的卷积神经网络进行了各种测试,例如InceptionResnetv2或Inceptionv3,以便从这些图像中提取有效的特征并正确对分子进行分类。因此,将产生对各种网络的性能的比较分析。
translated by 谷歌翻译
在这项工作中,我们通过使用卷积神经网络,基于深度学习方法的系统提供了一种基于蛋白质数据库中包含的蛋白质描述来分类氨基酸的蛋白质链。每个蛋白质在其XML格式中的文件中的化学物理 - 几何属性中完全描述。这项工作的目的是设计一个原型的深层学习机械,用于收集和管理大量数据,并通过其应用于氨基酸序列的分类来验证。我们设想将所述方法应用于与结构性质和相似性有关的生物分子中的更通用分类问题。
translated by 谷歌翻译
由于类之间的不平衡,医疗数据分类通常是一个具有挑战性的任务。在本文中,我们提出了一种方法来将Dercatospopic图像从Ham10000(具有10000次训练图像的人机)数据集进行分类,包括七种不平衡类型的皮肤病变,具有良好的精度和低资源要求。分类是通过使用佩带的卷积神经网络完成的。我们评估提案的准确性和性能,并说明可能的扩展。
translated by 谷歌翻译
促进辅助(AAN)控制旨在通过鼓励患者积极参与促进机器人辅助康复的治疗结果。大多数AAN控制器使用阻抗控制来在目标运动周围创建柔性的力字段,以确保在允许中等运动错误的同时进行跟踪精度。然而,由于控制力场的形状的参数通常根据关于关于对象学习能力的简单假设在线手动调整或在线调整,因此可以限制传统AAN控制器的有效性。在这项工作中,我们提出了一种新颖的自适应AAN控制器,其能够根据每个单独的电动机能力和任务要求自动重塑力场以相位相关的方式重塑力场。该拟议的控制器包括使用路径积分算法的修改策略改进,一种无模型的采样的增强学习方法,该方法实时地学习了特定于主题的阻抗景观,以及嵌入AAN PARADIGM的分层策略参数评估结构通过指定性能驱动的学习目标。通过跑步机培训课程通过具有能够在动力踝足矫形器的协助学习改变的步态模式的跑步机培训课程,通过跑步机培训课程进行实验验证,拟议的控制策略及其促进短期运动适应能力的适应性。
translated by 谷歌翻译
相似性搜索是多媒体检索系统和推荐系统中的关键操作,它也将为未来的机器学习和增强现实应用发挥重要作用。当这些系统需要使用紧密延迟约束的大型对象时,靠近最终用户的边缘服务器可以作为相似性高速缓存运行以加快检索。在本文中,我们介绍了一个\ c {c} ai,一种新的相似性缓存策略,它通过使用(i)整个目录的(近似)索引来改进本领域的状态,以决定本地服务的哪些对象从远程服务器检索,(ii)一个镜子上升算法,即使在请求过程没有表现出任何统计规则性时,也能更新具有强保证的本地对象集。
translated by 谷歌翻译