基于机器学习的室内定位引起了学院和行业的越来越多的关注，因为可以从参考数据中提取有意义的信息。许多研究人员正在使用受监督，半监督和无监督的机器学习模型来减少定位错误并为最终用户提供可靠的解决方案。在本文中，我们通过结合卷积神经网络（CNN），长期记忆（LSTM）和生成对抗网络（GAN）来提出一种新的体系结构，以增加训练数据并提高位置准确性。在17个公共数据集中对受监督和无监督模型的建议组合进行了测试，从而对其性能进行了广泛的分析。结果，超过70％的定位误差已减少。
translated by 谷歌翻译
代表性是人类重新出现在外部和内部发生的事情的现实的方式。因此，作为通信手段的视觉表示使用元素来构建叙述，就像口头和书面语言一样。我们建议使用计算机分析来对参考流行病中使用的视觉创建中使用的元素进行定量分析，使用Covid Art Museum Instagram帐户编译的图像分析用于表示主观体验的不同元素关于全球活动。该过程已经通过基于机器学习的技术来执行以检测图像中的对象，使得该算法能够学习和检测每个研究图像中包含的物体。本研究表明，在图像中重复的元素，以创建叙述和在样本中建立的关联关系，尽管所有创建所需要的主观性，尽管所有创建需要的主观性，但何时存在某些共享和减少决策的参数选择要包含在可视表示中的对象
translated by 谷歌翻译
我们介绍和分析并分析并行蒙特蒙特卡罗方法，了解优化问题的数值解决方案，涉及最小化成本函数，该功能包括许多单独组件的总和。该方案是一种随机零顺序优化算法，只需要评估成本函数的小组集的能力。它可以描绘为一组采样器，可以产生几个概率措施序列的粒子近似。这些措施是以一种方式构建的，使得它们具有相关的概率密度函数，其全球最大值与原始成本函数的全局最小值相一致。该算法选择最佳的执行采样器，并使用它来近似于成本函数的全局最小值。我们在分析上证明了所得估计器几乎肯定地将成本函数的全局最小值收敛并提供了产生的蒙特卡罗样本的数量和搜索空间的维度的显性收敛速率。我们通过数值示例显示该算法可以用多个最小值或具有宽的“平坦”区域来解决成本函数，这很难使用基于梯度的技术最小化。
translated by 谷歌翻译