我们提出了一种新方案，以补偿粒子网（PM）方案产生的小规模近似值。这种模拟是大规模结构的快速和低计算成本实现，但缺乏小规模的分辨率。为了提高其准确性，我们在模拟的微分方程中引入了额外的有效力，该方程是由作用于PM估计的引力电位的傅立叶空间神经网络参数化的。我们将获得功率谱的结果与PGD方案（潜在梯度下降方案）获得的结果进行了比较。我们注意到功率谱的项有类似的改进，但是我们发现我们的方法在互相关系数方面的表现优于PGD，并且对模拟设置的变化（不同的分辨率，不同的宇宙学）的变化更为强大。
translated by 谷歌翻译
经常性模型在基于深度学习（DL）的视频超分辨率（VSR）中获得了普及，因为它们增加了与基于滑动窗口的模型相比的计算效率，时间接收场和时间一致性。然而，当推断出在呈现低运动的长视频序列（即场景的某些部分几乎移动）时，经常性模型通过复发处理发散，产生高频伪像。据我们所知，没有关于VSR的研究指出这个不稳定问题，这对于一些现实世界的应用来说可能是至关重要的。视频监控是一个典型的示例，在那里发生这种伪像，因为相机和场景长时间保持静止。在这项工作中，我们将现有的经常性VSR网络的稳定性暴露在具有低运动的长序列上。我们在新的长序列数据集准静态视频集上演示了它，我们创建了。最后，我们介绍了一种基于Lipschitz稳定性理论的稳定和竞争的重复的VSR网络的新框架。我们提出了一种新的经常性VSR网络，基于此框架，Coined中继视频超分辨率（MRVSR）。我们经验展示了具有低运动的长序列的竞争性能。
translated by 谷歌翻译
我们提出了望远镜仪器反应领域的数据驱动建模范式转变。通过在建模框架中添加可差的光学前进模型，我们将数据驱动的建模空间从像素从像素改为波前。这允许从乐器响应转移到前向模型的大量复杂性，同时能够适应观察，剩余数据驱动。我们的框架允许前进的方式构建身体动力，可解释的强大模型，并且不需要特殊校准数据。我们表明，对于空间望远镜的简化设置，与现有数据驱动的方法相比，该框架与具有在观察分辨率下降5倍的重建误差和3倍超分辨率的10倍以上的数据驱动误差相比，该框架代表了实际性能突破。我们仅使用嘈杂的宽带焦点观测成功地模拟了仪器的响应的色彩变化。
translated by 谷歌翻译
与格拉帕相比，我们对XPDNET的性能进行了定性分析，即MRI重建的最先进的深度学习方法，是一种经典方法。我们在多种设置中执行此操作，特别是测试XPDNET的稳健性，以说明XPDNET可以在某种程度上概括。
translated by 谷歌翻译
自主机时代的一个主要技术挑战是自动驾驶机器的编程，它要求跨多个领域的协同作用，包括基本的计算机科学，计算机架构和机器人技术，并且需要学术界和行业的专业知识。本文讨论了与生产现实生活自动驾驶机器相关的编程理论和实践，并在特定功能要求，性能期望和自主机的实施约束的背景下涵盖了从高级概念到低级代码生成的各个方面。
translated by 谷歌翻译
随着行业4.0系统的不断增长的复杂性，开发出旨在改善能源可持续性的植物能源管理系统变得同样复杂。基于基于模型的系统工程分析，本文旨在提供一种通用方法，以对制造业的自主能源管理系统进行整体开发。该能源管理系统（EMS）将能够不断提高其评估，预测和行动的能力，以通过监视和控制制造系统的能源可持续性来改善。该方法是通过系统建模语言（SYSML）实现的。
translated by 谷歌翻译
在处理听觉语音输入时，通常假定人类的感知系统可以募集运动知识。本研究使用旋转性建模和深度学习，研究了如何将此发音信息用于在自我监督的环境中发现语音单元。我们使用矢量定量的变分自动编码器（VQ-VAE）从发音和声音语音数据中学习离散表示。与零资源范式一致，然后使用ABX测试来研究提取的表示如何编码语音相关的属性。实验是在三个不同的英语和法语的不同语料库上进行的。我们发现，关节信息而不是根据发音的位置来组织潜在的表示，而语音声学主要是根据发音方式来构造潜在空间。我们表明，这两种方式的最佳融合可以使这些语音维度的联合表示比单独考虑的每种模式更准确。由于通常在实际情况下无法获得发音信息，因此我们最终以自我监督的方式从言语声学中推断出的好处。
translated by 谷歌翻译
本文介绍了在高斯过程回归/克里格替代建模技术中选择/设计内核的算法。我们在临时功能空间中采用内核方法解决方案的设置，即繁殖内核希尔伯特空间（RKHS），以解决在观察到它的观察值的情况下近似定期目标函数的问题，即监督学习。第一类算法是内核流，该算法是在机器学习中的分类中引入的。它可以看作是一个交叉验证过程，因此选择了“最佳”内核，从而最小化了通过删除数据集的某些部分（通常为一半）而产生的准确性损失。第二类算法称为光谱内核脊回归，旨在选择“最佳”核，以便在相关的RKHS中，要近似的函数的范围很小。在Mercer定理框架内，我们就目标函数的主要特征来获得该“最佳”内核的明确结构。从数据中学习内核的两种方法均通过有关合成测试功能的数值示例，以及在湍流建模验证二维机翼的湍流模型验证中的经典测试用例。
translated by 谷歌翻译
商业自主机器是一个蓬勃发展的扇区，它可能是下一个无处不在的计算平台，它是在个人计算机（PC），云计算和移动计算之后的。然而，缺少适用于自动机器的合适计算基板，许多公司被迫开发既不原则也不可扩展的临时计算解决方案。通过分析自动机器计算的需求，本文提出了数据流加速器体系结构（DAA），这是经典数据流原理的现代实例化，与自动机器软件的特性相匹配。
translated by 谷歌翻译
射频干扰（RFI）缓解仍然是寻找无线电技术的主要挑战。典型的缓解策略包括原点方向（DOO）滤波器，如果在天空上的多个方向上检测到信号，则将信号分类为RFI。这些分类通常依赖于信号属性的估计，例如频率和频率漂移速率。卷积神经网络（CNNS）提供了对现有过滤器的有希望的补充，因为它们可以接受培训以直接分析动态光谱，而不是依赖于推断的信号属性。在这项工作中，我们编译了由标记的动态谱的图像组组成的几个数据集，并且我们设计和训练了可以确定在另一扫描中检测到的信号是否在另一扫描中检测到的CNN。基于CNN的DOO滤波器优于基线2D相关模型以及现有的DOO过滤器在一系列指标范围内，分别具有99.15％和97.81％的精度和召回值。我们发现CNN在标称情况下将传统的DOO过滤器施加6-16倍，减少了需要目视检查的信号数。
translated by 谷歌翻译