本文研究了一种无监督的几何星座整形机器学习方法。通过在两个神经网络中嵌入可微分光纤通道模型,学习算法优化几何星座形状。所学习的星座产生了对最先进的几何形状星座的改进性能,并且包括放大噪声和非线性效应之间的隐含权衡。此外,该方法允许与星座形状同时联合优化系统参数,例如最佳发射功率。实验演示验证了这些发现。报告了改进的性能,模拟中高达0.13 bit / 4D,实验高达0.12 bit / 4D。
translated by 谷歌翻译
今天的电信网络已成为大量广泛异构数据的来源。该信息可以从网络交通轨迹,网络警报,信号质量指示符,用户行为数据等中检索。需要高级数学工具从这些数据中提取有意义的信息,并从网络生成的数据中做出与网络的正常运行有关的决策。在这些数学工具中,机器学习(ML)被认为是执行网络数据分析和实现自动网络自配置和故障管理的最具前景的方法之一。 ML技术在光通信网络领域的应用受到光网络在最近几年所面临的网络复杂性的前所未有的增长的推动。这种复杂性的增加是由于引入了一系列可调和相互依赖的系统参数(例如,路由配置,调制格式,符号率,编码方案等),这些参数通过使用相干传输/接收技术,高级数字信号处理和光纤传播中非线性效应的补偿。在本文中,我们概述了ML在光通信和网络中的应用。我们对涉及该主题的相关文献进行分类和调查,并且我们还为对该领域感兴趣的研究人员和从业者提供了ML的入门教程。虽然最近出现了大量的研究论文,但ML光学网络的应用仍处于起步阶段:为了激发这一领域的进一步工作,我们总结了该论文提出了新的可能的研究方向。
translated by 谷歌翻译
在腹腔镜手术期间,情境感知辅助系统旨在减轻外科医生面临的一些困难。为了确保在适当的时间提供正确的信息,必须知道干预的当前阶段。对当前使用的手术工具进行实时定位和分类是基于活动的阶段识别和辅助生成的关键组成部分。在本文中,我们提出了一种基于图像的方法,可以在腹腔镜介入实时检测和分类。首先,使用逐像素随机森林分割来检测potentialinstrumental边界框。然后使用级联随机森林对这些边界框中的每一个进行分类。为此,从每个检测到的边界框中提取多个特征,例如色调和饱和度上的直方图,渐变和SURF特征。我们从两种不同类型的程序中评估了我们对五种不同视频的方法。我们区分了四种最常见的仪器类别(LigaSure,无创伤抓取器,吸气器,夹具施放器)和背景。我们的方法成功地分别占所有工具的86%。在手动提供的边界框上,我们实现了高达58%的仪器类型识别率和自动检测到的边界框高达49%。据我们所知,这是第一种允许在腹腔镜设置中实时对手术工具进行基于图像分类的方法。
translated by 谷歌翻译
与语义分割不同,实例分割为同一类的每个单独实例分配唯一标记。在这项工作中,我们提出了一种新颖的循环完全卷积网络架构,用于跟踪此类实例的分段。网络架构将卷积门控循环单元(ConvGRU)合并到堆叠沙漏网络中以利用时间视频信息。此外,我们基于余弦相似性训练网络具有新的嵌入损耗,使得网络预测整个视频中的每个实例的唯一嵌入。然后,这些嵌入在后续视频帧之间聚集,以创建最终跟踪的实例分段。我们通过在心脏的MR视频中对左心室进行分割来评估复发的沙漏网络,其中它比不包含视频信息的网络更好。此外,我们展示了余弦嵌入损失在植物静止图像上分割叶片实例的适用性。最后,我们评估了ISBI细胞追踪挑战的六个数据集的实例分割和跟踪框架,其中显示了最先进的性能。
translated by 谷歌翻译
Community detection in networks is one of the most popular topics of modernnetwork science. Communities, or clusters, are usually groups of verticeshaving higher probability of being connected to each other than to members ofother groups, though other patterns are possible. Identifying communities is anill-defined problem. There are no universal protocols on the fundamentalingredients, like the definition of community itself, nor on other crucialissues, like the validation of algorithms and the comparison of theirperformances. This has generated a number of confusions and misconceptions,which undermine the progress in the field. We offer a guided tour through themain aspects of the problem. We also point out strengths and weaknesses ofpopular methods, and give directions to their use.
translated by 谷歌翻译