金属有机框架（MOF）是一类模块化的多孔晶体材料，具有巨大的革命性应用，例如储气，分子分离，化学感应，催化和药物输送。剑桥结构数据库（CSD）报告了10,636个合成的MOF晶体，此外还包含CA。114,373个类似MOF的结构。综合数量（加上可能合成的）MOF结构数量庞大，需要研究人员追求计算技术来筛选和分离MOF候选物。在此演示论文中，我们描述了我们在利用知识图方法方面促进MOF预测，发现和综合方面的努力。我们提出了有关（1）从结构化和非结构化来源构建MOF知识图（MOF-KG）的挑战和案例研究，以及（2）利用MOF-KG来发现新知识或缺失知识。
translated by 谷歌翻译
With the ever-growing popularity of the field of NLP, the demand for datasets in low resourced-languages follows suit. Following a previously established framework, in this paper, we present the UNER dataset, a multilingual and hierarchical parallel corpus annotated for named-entities. We describe in detail the developed procedure necessary to create this type of dataset in any language available on Wikipedia with DBpedia information. The three-step procedure extracts entities from Wikipedia articles, links them to DBpedia, and maps the DBpedia sets of classes to the UNER labels. This is followed by a post-processing procedure that significantly increases the number of identified entities in the final results. The paper concludes with a statistical and qualitative analysis of the resulting dataset.
translated by 谷歌翻译
知识图（kgs）已被证明是构建数据的可靠方法。他们可以提供有关文化遗产收藏的丰富情境信息。但是，文化遗产库库远非完整。他们通常会缺少重要的属性，例如地理位置，尤其是对于雕塑，移动或室内实体，例如绘画。在本文中，我们首先提出了一个框架，用于从各种数据源及其连接的多跳知识中汲取有关有形文化遗产实体的知识。其次，我们提出了一个多视图学习模型，用于估计给定的文化遗产实体之间的相对距离，该模型基于实体的地理和知识联系。
translated by 谷歌翻译
持续学习旨在从一系列任务中学习，能够同时记住新任务和旧任务。尽管提出了许多用于单级分类的方法，但在连续场景中，多标签分类仍然是一个具有挑战性的问题。我们第一次在域增量学习方案中研究多标签分类。此外，我们提出了一种有效的方法，该方法在任务数量方面具有对数复杂性，并且也可以在类增量学习方案中应用。我们在包装行业的现实世界多标签警报预测问题上验证了我们的方法。为了重现性，公开可用的数据集和用于实验的代码。
translated by 谷歌翻译
从远古时代开始，人类一直在使用电缆和绳索来束缚，携带和操纵物体，通过折叠结。但是，自动打结是具有挑战性的，因为它需要敏捷性将电缆移到自身下和下方。在本文中，我们提出了一种使用飞机队在空中折叠结的方法。我们利用了一个事实，即车辆能够在电缆段之间飞行而无需任何重新磨损。因此，团队将电缆从地板上抓住，并在结折后将其释放。基于链式曲线的组成，我们简化了处理电缆的无限尺寸配置空间的复杂性，并正式提出了新的结表示。这种表示使我们能够设计一种可以使用领导者追随者方法来折叠结的轨迹。我们证明我们的方法适用于模拟中的不同类型的结。此外，我们证明我们的解决方案也具有计算效率，可以实时执行。
translated by 谷歌翻译
我们介绍了仇恨言论推文的Hateval语料库（Basile等，2019年）的丰富，旨在促进自动化的反叙事一代。与以前的工作相比（Chung etal。2019），手动书面反叙事与推文有关。但是，仅此信息似乎不足以获得反叙事生成的令人满意的语言模型。这就是为什么我们还根据Wagemanns（2016）提供了带有争论性信息的注释推文，我们认为可以帮助建立令人信服和有效的反叙事，以针对特定群体进行仇恨言论。我们讨论了这种注释过程的充分和困难，并提出了几个基线以自动检测带注释的元素。初步结果表明，自动注释者会靠近人类注释者来检测论证的某些方面，而其他人仅达到低或中等水平的通知者一致性。
translated by 谷歌翻译
本文介绍了用于检测，位置和跟踪颜色对象的嵌入式视觉系统的开发；它利用单个32位微处理器来获取图像数据，过程并根据解释的数据执行操作。该系统旨在用于需要使用人工视觉进行检测，位置和跟踪颜色对象的应用程序，其目标是以降低的规模，功耗和成本的范围实现。
translated by 谷歌翻译
本文简要审查了不同的空间填充曲线（SFC），并提出了新的曲线。一个世纪已经过去了这类曲线的建立，从那以后，它们在计算机科学中被发现有用，尤其是在数据存储和由于它们的聚类特性而引起的索引，成为希尔伯特曲线是分形家族中最知名的成员。本文介绍了所提出的阿兹台克曲线，具有与希尔伯特曲线相似的特征，并伴随着语法描述。它产生了创建双维簇的可能性，不适合希尔伯特（Hilbert）和佩恩诺（Peano）曲线。除此之外，还实施了在压缩传感范围上应用的情况，其中希尔伯特曲线的使用与阿兹台克曲线形成鲜明对比，具有相似的性能，并将AZTEC曲线定位为可行的，并将其定位为可行的新替代方法使用SFC的应用程序。
translated by 谷歌翻译
在过去的几年中，连续的深度学习模型（称为神经普通微分方程（神经odes））受到了广泛关注。尽管它们迅速产生影响，但对于这些系统缺乏正式的分析技术。在本文中，我们考虑了具有不同架构和层次的一般神经odes类，并引入了一种新颖的可及性框架，可以对其行为进行正式分析。为神经ODE的可及性分析而开发的方法是在称为NNVODE的新工具中实现的。具体而言，我们的工作扩展了现有的神经网络验证工具以支持神经ODE。我们通过分析包括用于分类的神经ODE的一组基准以及控制和动态系统的一组基准来证明我们方法的功能和功效，包括评估我们方法对我们方法在现有软件工具中的功效和能力的评估。如果可以这样做，则连续的时间系统可达性文献。
translated by 谷歌翻译
这项工作使用来自建设性模拟的可靠数据比较了监督的机器学习方法，以估算空袭期间发射导弹的最有效时刻。我们采用了重采样技术来改善预测模型，分析准确性，精度，召回和F1得分。的确，我们可以根据决策树以及其他算法对重采样技术的显着敏感性来确定模型的显着性能。最佳F1分数的模型的值分别为0.379和0.465，而没有重新采样技术，这一值分别增加了22.69％。因此，如果理想，重新采样技术可以改善模型的召回率和F1得分，而准确性和精确度略有下降。因此，通过通过建设性模拟获得的数据，可以根据机器学习模型开发决策支持工具，从而可以提高BVR空中战斗的飞行质量，从而提高进攻任务的有效性以达到特定目标。
translated by 谷歌翻译