我们为连续学习领域引入了一个概念上简单且可扩展的框架,其中任务是按顺序学习的。我们的方法在参数数量上是恒定的,旨在保持以前遇到的任务的性能,同时加速后续问题的学习进度。这是通过训练具有两个组件的网络来实现的:能够解决先前遇到的问题的知识库,其连接到用于有效地学习当前任务的活动列。在学习新任务后,活动列被提炼到知识库中,注意保护以前获得的任何技能。这种主动学习(进展)循环然后进行整合(压缩)不需要架构增长,不需要访问或存储先前的数据或其他任何特定的参数。我们展示了手写字母顺序分类以及双向强化学习领域的进展和压缩方法:Atari游戏和3D迷宫导航。
translated by 谷歌翻译
我们研究了在局部计算模型中是否可以使用可行集的探索中的并行化来加速凸优化的问题。我们证明,对于基本上任何有趣几何和非光滑,弱光滑或平滑目标函数的确定性和随机算法,答案都是否定的。特别地,我们表明,不可能获得多对数(在问题的顺序复杂性中)具有多项式(维度)数量的查询perround的并行轮数。在大多数这些设置中,当空间的维数在逆目标精度中是多项式时,我们的下界匹配顺序凸优化的oraclecoxxity,最多达到维度中的对数因子,这使得它们(几乎)紧密。在我们的工作之前,并行凸优化算法的下界仅在本文考虑的一小部分设置中已知,主要适用于Euclidean($ \ ell_2 $)和$ \ ell_ \ infty $空格。目前还不清楚这个先前工作中使用的参数是否可以扩展到一般的$ \ ell_p $空格。因此,我们的工作提供了一种更通用的方法来证明并行凸优化设置中的下限。此外,作为我们的证明技术的序列,我们获得了可能具有独立兴趣的Rademacher序列的凸组合的新的反浓度边界。
translated by 谷歌翻译
长期以来,神经网络作为不同类型分类的工具而闻名,但仅在过去的十年中它们才显示出强大的力量。随着能够支持要求矩阵运算和并行算法的硬件的出现,神经网络作为通用函数逼近框架,被证明是在所有科学领域中广泛使用的最成功的分类方法。另一方面,多重分形(MF)方法是定量描述复杂结构[1]的有效方法,例如转移癌,推荐这种方法作为医学诊断的准确工具。唯一的缺点是分类方法。本研究的目的是描述和应用前馈神经网络作为多重分形参数分类的辅助诊断方法,以确定原发性癌症。
translated by 谷歌翻译
本文展示了图像的计算机分析结果,旨在将医学图像之间的差异按照从正常和良性组织中分离恶性组织的分类顺序排列。恶性组织的诊断在医学中至关重要。因此,确定多重分形参数与“混沌”细胞之间的相关性可能是很好的选择。本文展示了多重分形分析在癌症诊断和减少中的应用。主观因素和错误概率
translated by 谷歌翻译
虽然在文献中提出了几种面向情感识别任务的方法,但没有一种方法报告在嵌入式环境中运行系统所需的功耗和推理时间。如果没有充分了解这些因素,我们是否真的能够在嵌入式环境中提供准确的面部情感识别,如果没有,我们能够在多大程度上使其可行以及我们面临的最大瓶颈是什么,目前尚不清楚。本文的主要目的是回答这些问题并传达这样的主题:除了仅报告检测准确度之外,还应将功耗和推理时间报告为所提出的系统的真实可用性,并且它们在人机交互中的采用强烈依赖于它。在本文中,我们确定了可能适用于嵌入式环境的最先进的面部情感识别方法以及此任务最常用的数据集。我们的研究表明,大多数进行的实验都使用带有表达式的数据集,或者在具有特殊条件的特定条件下进行图像采集。由于我们的目标是在实际场景中评估已识别的有希望的方法的性能,我们收集了一个非夸大的新数据集。除了公开可用的数据集之外,我们还使用它来评估具有不同计算能力的三种常用嵌入式设备的检测准确度,功耗和参考时间。我们的结果表明灰度图像仍然适用于嵌入式环境而不是彩色图像,并且对于大多数分析系统而言,推理时间或能量消耗或两者都是它们在现实嵌入式应用中采用的限制因素。
translated by 谷歌翻译
大流行性流感具有杀死数百万人的流行病的潜力。虽然存在各种预防措施(例如,疫苗接种和学校禁止),但决定导致其最有效和充分利用的策略仍然具有挑战性。为此,个体基础的流行病学模型对于帮助决策者确定遏制流行病蔓延的最佳策略至关重要。然而,基于个体的模型是计算密集型的,因此使用最少量的模型评估来确定最佳策略是至关重要的。另外,需要规划一个流行病学建模实验,计算预算需要先验地指定。因此,我们提出了一种新的采样技术,以使用固定预算最佳臂识别算法优化预防策略的评估。我们使用流行病学建模理论来推导关于奖励分布的知识,我们利用贝叶斯最佳臂识别算法(即Top-two Thompson sampling和BayesGap)来利用这些知识。我们在一个真实的实验环境中评估这些算法,并证明只使用有限数量的模型评估就可以确定最佳策略,即与统一采样方法相比,快速提高2到3倍,这是用于流行病学决策的主要技术。文献。最后,我们为Top-two Thompson抽样做出贡献并进行评估,以告知决策者关于手臂推荐的信心。
translated by 谷歌翻译