在人群中导航的机器人需要能够计划安全,有效和人类可预测的轨迹。这是一个特别具有挑战性的问题,因为它需要机器人预测人群中的未来人类预测,其中每个人都隐含地相互协作以避免碰撞。人类轨迹预测的先前方法已经模拟了人类之间的相互作用作为接近度的函数。然而,这并不一定是正确的,因为我们附近的一些人在同一方向上移动可能不像其他人那么重要,但可能在未来与我们发生冲突。在这项工作中,我们提出了社交注意,这是一种新颖的轨迹预测模型,可以捕捉每个人在人群中导航时的相对重要性,而不管他们的接近程度如何。我们在两个可公开获得的人群数据集上展示了我们的方法对最先进方法的表现,并分析了经过培训的注意力模型,以便更好地了解人群在人群中航行时所处理的周围环境。
translated by 谷歌翻译
鱼胚模型越来越多地用于评估化学药效和潜在的毒性。本文提出了一种方法,可以在背视图或侧视图中自动检测Medaka鱼胚胎2D图像上的游泳膀胱。在胚胎分割和每个研究方向之后,该方法构建了一个健康胚胎的图谱。然后使用该图谱来定义感兴趣的区域并用离散的全局最优活动轮廓指导游泳者分割。随后根据该分割设计描述符。 。从这些描述符构建自动化随机森林分类器,以便在有和没有游泳膀胱的情况下对胚胎进行分类。所提出的方法在261个图像的adataset上进行评估,其中包含202个具有游泳膀胱的胚胎(其中196个在背侧视图中,6个在侧视图中)和59个没有(其中43个是背视图,16个是侧视图)。在5次交叉验证后,我们在总数据集中获得95%的平均精确率。
translated by 谷歌翻译
本文基于一种新的力估计方案(称为传动力观测器(TFOB)),开发了一种精确的系数弹性致动器(SEA)力控制算法。所提出的方法旨在改善由弹性传递的非线性和测量噪声以及其变形传感器的误差引起的SEA的较低的力测量。本文首先分析了传统SEA传动力传感方法的局限性,然后研究了它的随机特性,这确实为实现与TFOB结合的精确力控制性能奠定了基础。特别地,从频域中的整体闭环系统分析引入了调整参数。这为实现强制控制的SEA系统的最佳性能提供了指导。所提出的算法在实际SEA硬件设置中通过实验验证。
translated by 谷歌翻译
我们为贝叶斯神经网络提出了一个新的变分族。我们将变分后验分为两个部分,其中径向分量根据其大小捕获每个神经元的强度;而方向组件捕获权重参数之间的统计依赖性。与广泛使用的Gaussianmean-field-type变分族相比,通过定向密度学习的依赖性提供了更好的建模性能。此外,通过径向密度学习的输入和输出神经元的强度提供了一种结构化的方式来压缩神经网络。实际上,实验表明,我们的变分族可以提高预测性能并同时产生压缩网络。
translated by 谷歌翻译
我们分析了两个社区精确恢复不对称潜在空间模型(LSM)的必要条件和充分条件。在LSM中,每个节点在一些概率分布之后与潜在向量相关联。 Weshow使用半定规划方法可以实现精确恢复。
translated by 谷歌翻译
我们提出了一种新的优化工具与学习理论边界的组合,以分析最优核分类器的样本复杂度。这与所有(可能是次优的)分类器的典型学习理论结果形成对比。我们的工作也证明了先前在多核学习方面的工作所做的假设。作为我们分析的副产品,我们还为仅包含最优分类器的假设类提供了一种新形式的Rademacher复杂性。
translated by 谷歌翻译
快速鉴定细菌对于预防传染病的传播,帮助抵抗抗菌素耐药性和改善患者预后至关重要。拉曼光学光谱有望在一个步骤中结合细菌检测,鉴定和抗生素敏感性测试。然而,由于来自细菌细胞的弱拉曼信号和大量的细菌种类和表型,实现临床相关的速度和准确性仍然具有挑战性。通过积累最大的细菌拉曼光谱知识,我们能够应用最先进的深度学习方法从噪声拉曼光谱中识别出30种最常见的细菌病原体,达到99.0 $ \ pm $ 0.1%的抗生素治疗鉴定精度。这种新方法区分了甲氧西林耐药和敏感的金黄色葡萄球菌(MRSA和MSSA)以及一对等基因MRSA和MSSA,它们与mecA抗性基因的缺失在遗传上相同,表明无抗生素抗性的无培养检测潜力。初始临床验证的结果是有希望的:使用25个菌株中仅10个细菌谱,我们达到99.0 $ \ pm $ 1.9%的物种鉴定精度。我们的组合拉曼 - 深度学习系统代表了一种重要的概念,用于快速,无文化鉴定细菌分离株和抗生素抗性,可以很容易地延长血液,尿液和痰的诊断。
translated by 谷歌翻译
基于分数的学习(SBL)是学习贝叶斯网络的有前途的方法。大多数SBL算法的最初步骤包括计算变量的所有可能子组和父组组合的分数。对于具有连续变量的贝叶斯网络,特定分数通常根据子集对父集中变量的回归计算。要解决的回归模型数量庞大,需要设计有效的数值算法。在本文中,我们提出了一种算法,用于有效和精确地计算所有子组和父组组合的回归。在所提出的算法中,我们使用QR分解(QRD)来捕获不同家族的回归之间的依赖关系以及Givens旋转以有效地穿过QRD的空间,使得所有回归模型都以尽可能最短的路径来计算。我们将建议方法的复杂性与不同的算法进行了比较,主要是在所有子集回归问题中出现的算法,并表明我们的算法具有最小的算法复杂度。我们还解释了如何并行化所提出的方法,以便将运行时间减少与处理器使用数量成比例的因子。
translated by 谷歌翻译
从摄影测量中获得的点云是嘈杂且不完整的现实模型。我们提出了一种进化优化方法,该方法能够使这些点云上的基础对象几何体接近。这种方法对于建模的3D结构具有先验知识,并且能够识别近似于场景的原始形状的集合。强制高形状多样性和自适应粒度的内置机制使得该方法适合于对简单和复杂场景进行建模。我们在这里讨论圆柱近似的情况,我们描述,测试和比较一组设计用于最佳探索空间空间的变异算子。我们通过一系列合成实例评估了该算法的鲁棒性和局限性,并最终证明了它在植被和工业环境中的两个真实案例中的可生成性。
translated by 谷歌翻译
我们提出nnstreamer,一个处理神经网络作为流管道过滤器的软件系统,将流处理范例应用于神经网络应用程序。随着深度神经网络应用的广泛应用的新趋势是设备AI;即,直接在移动设备或边缘/物联网设备而不是云服务器上处理神经网络。新兴的隐私问题,数据传输成本和运营成本意味着对设备AI的需求,特别是在部署了大量具有实时数据处理功能的设备时。 Nnstreamer通过设备上的复杂数据流管道有效地处理神经网络,以最小的努力显着提高整体性能。此外,nnstreamer简化了神经网络管道实现,并允许直接重用现成的多媒体流过滤器;因此它显着降低了开发成本.Nnstreamer已经部署了很快发布的产品,并且是适用于各种硬件架构和软件平台的开源软件。
translated by 谷歌翻译