本文介绍了与萨特布-Naija的基础努力，这是一种非原生（L2）尼日利亚语言语的新型语料库。我们描述了如何创建和策划的语料库以及令人口气分类和学习尼日利亚口音嵌入的初步实验。语料库的初始版本包括L2英语尼日利亚语言的900多个录音，例如Yoruba，Igbo，Edo，Efik-Ibibio和Igala。我们进一步演示了Wav2VEC的预先训练模型上的微调如何产生适合于相关语音任务的表示，例如重音分类。Sautidb-Naija已发表于Zenodo，以便在灵活的创造性的公共许可证下使用。
translated by 谷歌翻译
近年来，多级预测广受欢迎。因此，衡量拟合度的善良成为研究人员经常必须处理的基本问题。几个指标通常用于此任务。但是，当人们必须决定正确的测量值时，他必须考虑不同的用例施加了控制这一决定的不同约束。至少在\ emph {现实世界}多级问题中的主要约束是不平衡的数据：多类问题几乎无法提供对称数据。因此，当我们观察到常见的KPI（关键性能指标）时，例如精度敏感性或准确性时，很少会将所获得的数字解释为模型的实际需求。我们建议将Matthew的相关系数概括为多维。该概括基于对广义混淆矩阵的几何解释。
translated by 谷歌翻译
Guillain-Barre综合征是一种罕见的神经系统疾病，其中人免疫系统攻击周围神经系统。周围神经系统似乎是神经元模型的数学模型的扩散连接系统，并且该系统的周期比每个神经回路的周期都短。传导路径中的刺激将被轴突接收到失去其功能的髓鞘鞘，并在外部传递到靶器官，旨在解决降低神经传导的问题。在神经元模拟环境中，可以创建神经元模型并定义系统内发生的生物物理事件。在这种环境中，细胞和树突之间的信号传递是图形的。模拟的钾和钠电导是充分复制的，电子动作电位与实验测量的电位相当。在这项工作中，我们提出了一个模拟和数字耦合的神经元模型，该模型包括个人兴奋性和抑制性神经回路块，用于低成本和节能系统。与数字设计相比，我们的模拟设计的性能较低，但能源效率降低了32.3 \％。因此，所得的耦合模拟硬件神经元模型可以是模拟神经传导减少的模型。结果，模拟耦合的神经元（即使具有更大的设计复杂性）为未来开发的可穿戴传感器设备的竞争者，该设备可能有助于治疗吉兰 - 巴雷综合症和其他神经系统疾病。
translated by 谷歌翻译
尽管在许多领域都有成功的应用，但如今的机器学习模型遭受了臭名昭著的问题，例如脆弱性，对对抗性例子。除了陷入对抗攻击和防御之间的猫与小鼠游戏之外，本文还提供了替代观点来考虑对抗性示例，并探索我们是否可以在良性应用中利用它。我们首先将对抗性示例归因于使用非语义特征的人类模型差异。尽管在经典的机器学习机制中很大程度上被忽略了，但非语义功能具有三个有趣的特征，因为（1）模型独有，（2）对推理至关重要，以及（3）可利用的功能。受到这一点的启发，我们提出了良性的对抗性攻击的新想法，以利用三个方向的对抗性示例以善良：（1）对抗性图灵测试，（2）拒绝恶意模型应用，以及（3）对抗性数据扩增。每个方向都以动机详细说明，理由分析和原型应用来展示其潜力。
translated by 谷歌翻译
We propose a Goodness of Causal Fit (GCF) measure which depends on Judea Pearl's ``do" interventions. This is different from Goodness of Fit (GF) measures, which do not use interventions. Given a set ${\cal G}$ of DAGs with the same nodes, to find a good $G\in {\cal G}$, we propose plotting $GCF(G)$ versus $GF(G)$ for all $G\in {\cal G}$, and finding a graph $G\in {\cal G}$ with a large amount of both types of goodness.
translated by 谷歌翻译