AI的蓬勃发展提示建议，AI技术应该是“以人为本”。然而，没有明确的定义，对人工人工智能或短，HCAI的含义。本文旨在通过解决HCAI的一些基础方面来改善这种情况。为此，我们介绍了术语HCAI代理商，以指配备有AI组件的任何物理或软件计算代理，并与人类交互和/或协作。本文识别参与HCAI代理的五个主要概念组件：观察，要求，行动，解释和模型。我们看到HCAI代理的概念，以及其组件和功能，作为弥合人以人为本的AI技术和非技术讨论的一种方式。在本文中，我们专注于采用在人类存在的动态环境中运行的单一代理的情况分析。
translated by 谷歌翻译
We study the algorithm configuration (AC) problem, in which one seeks to find an optimal parameter configuration of a given target algorithm in an automated way. Recently, there has been significant progress in designing AC approaches that satisfy strong theoretical guarantees. However, a significant gap still remains between the practical performance of these approaches and state-of-the-art heuristic methods. To this end, we introduce AC-Band, a general approach for the AC problem based on multi-armed bandits that provides theoretical guarantees while exhibiting strong practical performance. We show that AC-Band requires significantly less computation time than other AC approaches providing theoretical guarantees while still yielding high-quality configurations.
translated by 谷歌翻译
将触觉反馈从指尖转移到手腕上的重新定位被认为是使与混合现实虚拟环境的触觉相互作用的一种方式，同时使手指免费完成其他任务。我们介绍了一对腕触觉触觉设备以及一个虚拟环境，以研究手指和触觉者之间的各种映射如何影响任务性能。腕部呈现的触觉反馈反映了由食指和拇指控制的虚拟物体和虚拟化头像之间发生的相互作用。我们进行了一项用户研究，比较了四个不同的手指触觉反馈映射和一个无反馈条件作为对照。我们评估了用户通过任务完成时间的指标，手指和虚拟立方体的路径长度以及在指尖处的正常和剪切力的大小来评估了用户执行简单的选择任务的能力。我们发现多次映射是有效的，并且当视觉提示受到限制时会产生更大的影响。我们讨论了方法的局限性，并描述了朝着腕部磨损设备进行多重自由度触觉渲染的下一步步骤，以改善虚拟环境中的任务性能。
translated by 谷歌翻译
IT操作的人工智能（AIOPS）描述了使用各种AI-AI-ai-ai-a-ables方法和工具维护和操作大型IT系统的过程稳定IT活动。任何AIOPS工作流程的核心步骤是异常检测，通常在高量异质数据上执行，例如日志消息（日志），指标（例如CPU利用率）和分布式痕迹。在本文中，我们提出了一种从系统日志中可靠和实用异常检测的方法。它通过构建使用1000+ github项目源代码的日志指令来构建一个异常检测模型来克服相关工作的常见缺点，即需要大量手动标记的培训数据。来自不同系统的说明包含有关许多不同正常和异常IT事件的丰富和异体信息，并作为异常检测的基础。所提出的名为Adlilog的方法结合了日志指令和来自感兴趣系统（目标系统）的数据，以通过两阶段的学习过程来学习深度神经网络模型。实验结果表明，ADLILOG的表现优于相关方法的F1分数高达60％，同时满足工业部署的核心非功能性要求，例如无监督设计，有效的模型更新和小型模型尺寸。
translated by 谷歌翻译
算法配置（AC）与对参数化算法最合适的参数配置的自动搜索有关。目前，文献中提出了各种各样的交流问题变体和方法。现有评论没有考虑到AC问题的所有衍生物，也没有提供完整的分类计划。为此，我们引入分类法以分别描述配置方法的交流问题和特征。我们回顾了分类法的镜头中现有的AC文献，概述相关的配置方法的设计选择，对比方法和问题变体相互对立，并描述行业中的AC状态。最后，我们的评论为研究人员和从业人员提供了AC领域的未来研究方向。
translated by 谷歌翻译
预计将在2026年促使新兴的无人机航空公司（UAV）服务市场达到584亿美元，促使常规将常规无人机运营促进到国家空域中的重大努力，以至于它们不会损害现有的安全水平。通过感觉和避免潜在的中空碰撞威胁，将提高无人机的商业用途，但是在缺乏可用的数据集时，该领域的研究是缺乏可用的数据集，因为它们昂贵且技术上是为了捕获。在本文中，我们为基于视觉的飞机检测提供了一个数据集。 DataSet由15个图像序列组成，其中包含55,521张固定翼飞机的图像，接近固定式接地的摄像头。还提供了地面真理标签和绩效基准。为了我们的知识，这是第一个在碰撞课程上学习中型固定翼飞机的第一个公共数据集。完整的数据集和地面真理标签在https://qcr.github.io/dataset/aircraft -collision-.c资料/航空公司
translated by 谷歌翻译