用于神经形态计算的生物学启发的尖峰神经元是具有动态状态变量的非线性滤波器 - 与深度学习中使用的无状态神经元模型非常不同。 Notel Intel的神经形态研究处理器Loihi 2的下一个版本支持各种具有完全可编程动态的最有状态尖峰神经元模型。在这里，我们展示了先进的尖峰神经元模型，可用于有效地处理仿真Loihi 2硬件的仿真实验中的流数据。在一个示例中，共振和火（RF）神经元用于计算短时间傅里叶变换（STFT），其具有类似的计算复杂度，但是输出带宽的47倍而不是传统的STFT。在另一个例子中，我们描述了一种使用时间率RF神经元的光学流量估计算法，其需要比传统的基于DNN的解决方案超过90倍。我们还展示了有前途的初步结果，使用BackPropagation培训RF神经元进行音频分类任务。最后，我们表明，跳跃的血管谐振器 - RF神经元的变体 - 重复耳蜗的新特性，并激励一种有效的基于尖峰的谱图编码器。
translated by 谷歌翻译
我们提出了一个通用框架，用于使用安装在机器人操纵器上的相机在农场设置中准确定位传感器和最终效应器。我们的主要贡献是一种基于新的且可靠的功能跟踪算法的视觉致密伺服方法。在苹果园进行的现场实验的结果表明，即使在环境影响下，我们的方法也会收敛到给定的终止标准，例如强风，不同的照明条件和目标对象的部分遮挡。此外，我们通过实验表明，对于广泛的初始条件，系统会收敛到所需的视图。这种方法为新应用提供了可能性，例如自动化水果检查，水果采摘或精确的农药应用。
translated by 谷歌翻译
现代神经网络使用构建块，例如与任意2D翻译一样的卷积。但是，这些香草块并不等于投影歧管中的任意3D翻译。即便如此，所有单眼3D检测器都使用香草块来获得3D坐标，这是为此而不是为香草块设计的任务。本文迈出了朝着探索综合的第一步，以在投影歧管中进行任意3D翻译。由于该深度是最难估计的单眼检测，因此本文提出了深度模棱两可的网络（deviant），该网络（deviant）构建了现有的量表等效性的可检测块。结果，偏差与投影歧管中的深度翻译相等，而香草网络却没有。额外的深度竞争力迫使这种偏差学习一致的深度估计，因此，越来越多的人在纯图像类别中的Kitti和Waymo数据集上实现了最新的单眼3D检测结果，并使用额外信息竞争地对方法进行了竞争性执行。此外，在跨数据库评估中，异常比香草网络更好。 https://github.com/abhi1kumar/deviant的代码和模型
translated by 谷歌翻译
从单个图像中识别3D中的场景和对象是计算机视觉的长期目标，该目标具有机器人技术和AR/VR的应用。对于2D识别，大型数据集和可扩展解决方案已导致前所未有的进步。在3D中，现有的基准尺寸很小，并且方法专门研究几个对象类别和特定域，例如城市驾驶场景。在2D识别的成功中，我们通过引入一个称为Omni3d的大型基准来重新审视3D对象检测的任务。 OMNI3D重新排列并结合了现有的数据集，导致234K图像与超过300万个实例和97个类别相结合。由于相机内在的差异以及场景和对象类型的丰富多样性，因此3d检测到了这种规模的检测具有挑战性。我们提出了一个称为Cube R-CNN的模型，旨在以统一的方法跨相机和场景类型概括。我们表明，Cube R-CNN在较大的Omni3D和现有基准测试方面都优于先前的作品。最后，我们证明OMNI3D是一个用于3D对象识别的功能强大的数据集，表明它可以改善单数据库性能，并可以通过预训练在新的较小数据集上加速学习。
translated by 谷歌翻译
具有多个层次结构的推理能力是用于自然语言处理的连续感应偏差的有吸引力和理想的特性。最先进的变形金刚和LSTM架构隐含地编码这些偏差吗？要回答这一点，我们提出了一个诊断数据集，用于系统地评估最先进的神经序列模型中的分层推理。虽然已经有先前的评估框架如列表或逻辑推断，但我们的工作提出了一种新颖且更自然的环境，其中我们的模型学会使用多个显式层次结构而不是一个，即需要执行长期执行能力的原因序列记忆，关系推理的序列结构。因此，由一组严谨的实验支持，我们展示了（1）变压器和LSTM模型在系统泛化中令人惊讶地失败，（2）在层次结构之间增加的引用，变压器不会比随机更好地执行。
translated by 谷歌翻译
目的：利用机器学习方法，我们的目标是在患者报告的糖尿病相关的推文中提取明确和隐含的造成关联，并提供一种更好地了解糖尿病在线社区内共享的意见，感受和观察的工具，从而从因果关系角度来。材料和方法：2017年4月至1月2021年间收集了3000多万糖尿病英语糖尿病相关推文。应用深度学习和自然语言处理方法，专注于具有个人和情感内容的推文。将一个原因效果 - Tweet数据集手动标记并用于训练1）微调BERTWEET模型，以检测包含因果关系2）的因果句，其中基于BERT的特征，以提取可能的原因效果关联。以半监督方法聚类原因和效果，并在交互式原因效果网络中可视化。结果：在不平衡数据集中的召回中检测到因果句，召回68％。具有基于BERT的特征的CRF模型表现出用于效果检测的微调伯特模型，具有68％的宏观召回。这导致了96,676个句子与原因效应关联。 “糖尿病”被鉴定为中央簇，然后被“死亡”和“胰岛素”。胰岛素定价相关原因经常与“死亡”相关。结论：开发了一种新颖的方法来检测因果句，并确定与糖尿病相关推文中的显式和隐含，单词和多字原因和相应的效果，利用基于伯伯的架构，并被视为原因效果网络。提取现实生活中的因果关系，患者报告社交媒体数据的结果提供了糖尿病研究中有用的互补信息来源。
translated by 谷歌翻译
中国城乡地区建模差分应力表达可以更好地了解城市化对心理福祉的影响，在过去二十年中迅速发展的国家。本文研究了使用等级混合效应模型从329个县中超过65,000名用户在中国城乡压力的经验和表达的语言差异。我们分析了微博职位中的短语，题目主题和心理语言学的选择，提及压力，以更好地了解中国城乡社区心理压力的评价差异;然后我们将它们与盖子的大规模民意调查进行了比较。在控制社会经济和性别差异之后，我们发现农村社区倾向于表达情感和个人主题，如关系，健康和机会，而在城市地区的用户使用相对，时间和外部主题，如工作，政治和经济学。这些差异存在于对GDP和城市化的控制之外，表明在非常具体的环境中农村和城市居民之间的基本不同的生活方式，可以说是具有不同的压力来源。我们在盖洛普民意调查中找到了与城市化的身体，金融和社会健康的腐败趋势。
translated by 谷歌翻译