最大的k-plex问题是一个计算复杂的问题,它来自图论的社会网络研究。本文提出了有效的混合局部搜索,用于解决最近提出的突破局部搜索算法与强化学习策略的最大k-plex问题。所提出的方法包括区分特征,例如:基于交换操作符的统一邻域搜索,针对动作的距离和质量奖励以及基于强化学习的新参数控制机制。对来自第二次DIMACS挑战的80个基准实例的最大k-问题(k = 2,3,4,5)的广泛实验表明,所提出的方法可以与除了四个问题实例之外的所有文献中的最佳已知结果相匹配。此外,所提出的算法能够找到32个新的最佳解决方案。
translated by 谷歌翻译
成立I4U联盟是为了促进联合进入NISTspeaker识别评估(SRE)。这种关节提交的最新版本在SRE 2018中,其中I4U提交是最佳表现系统之一。 SRE'18也标志着I4Uconsortium进入NIST SRE系列评估10周年。本文的主要目的是总结基于提交给SRE'18的各子系统及其融合的结果和经验教训。我们也有意提出一个共同观点,即我们在过去十年中从SRE'08到SRE'18见证了SRE参与者的进步,进展和主要范式转变。在这方面,除其他外,我们已经看到从超向量表示到深度说话人嵌入的范例转换,以及从信道补偿到领域适应的研究挑战的转变。
translated by 谷歌翻译
在这项工作中,我们报告了结合IEEE国际生物医学成像研讨会(ISBI)2016和国际医学影像计算机辅助干预会议(MICCAI)2017年组织的肝肿瘤分割基准(LITS)的设置和结果。将24种有效的最先进的肝脏和肝脏肿瘤分段算法应用于一组131个计算机断层扫描(CT)体积,具有不同类型的肿瘤对比度水平(高强度/低强度),组织异常(转移瘤)大小和不同程度的病变。已提交的算法已在70个未公开的卷上进行了测试。该数据集是与七家医院和研究机构合作创建的,由三位独立的放射科医师手动审查。我们发现没有一种算法对肝脏和肿瘤表现最佳。最佳肝脏分割算法的Dice评分为0.96(MICCAI),而对于肿瘤分割,最佳算法评估为0.67(ISBI)和0.70(MICCAI)。 LITS图像数据和手动注释继续通过在线评估系统公开提供,作为持续的基准测试资源。
translated by 谷歌翻译
用于鉴定遗传变异体的DNA测序在临床环境中变得越来越有价值。对这种测序数据中的变体的评估通常通过贝叶斯启发式算法来实现。机器学习在改进这些变体调用方面显示出巨大的希望,但输入仍然是标准化的“堆积”图像,并不总是最适合。在本文中,我们提出了一种从DNA序列数据生成图像的新方法,它将人类参考基因组与个性化测序输出交织在一起,以最大限度地利用测序读数并提高机器学习算法的性能。我们证明了这在改进标准种系变异调用中的成功。我们还进一步采用这种方法,通过Siamese网络对肿瘤/正常数据进行包括调整。这些方法可用于测序数据的机器学习应用,希望改善临床结果,并可在www.ccg.ai免费用于非商业用途。
translated by 谷歌翻译
我们开发了一种卷积神经网络(CNN),它可以首次对液氩时间投影室(LArTPC)记录的图像数据中的物体进行像素级预测。我们描述了为培训该网络而开发的网络设计,培训技术和软件工具。这项工作的目的是为MicroBooNE探测器开发一个完整的基于深度神经网络的数据构建链。我们使用MicroBooNEcollection平面图像显示网络在实际LArTPC数据上的有效性的第一次演示。演示用于停止μ子和$ \ nu_ \ mu $充电电流中性π介数数据样本。
translated by 谷歌翻译
以低功率实时地对3D环境进行视觉理解是一项巨大的计算挑战。通常被称为SLAM(同步本地化和映射),它是跨越国内和工业机器人,自动驾驶车辆,虚拟和增强现实的应用程序的核心。本文描述了通过支持应用程序专家选择和配置适当的算法以及适当的硬件和编译途径来组装实现SLAM交付所需的算法,体系结构,工具和系统软件的主要研究成果,以满足其性能,准确性和能耗目标。我们提出的主要贡献是(1)用于SLAM算法的系统定量评估的工具和方法,(2)针对多个目标的算法和实现设计空间的自动化,机器学习引导的探索,(3)端到端仿真工具能够针对各种SLAM算法方法的特定算法要求优化异构,加速架构,以及(4)在托管的JIT编译的自适应运行时环境中提供适当的加速自适应SLAM解决方案的工具。
translated by 谷歌翻译
深度学习推理加速器是从与Pthreads并行化的C语言软件程序合成的。软件实现使用着名的生产者/消费者模型,其中并行线程通过FIIFO队列互连。 LegUp高级综合(HLS)工具在并行FPGA硬件中合成线程,将软件并行性转换为空间并行性。生成一个完整的系统,在合成加速器中实现卷积,池化和填充,并在嵌入式ARM处理器上执行剩余任务。加速器结合了精确度降低,以及一种新的卷积零重量跳跃方法。在中型的英特尔Arria 10 SoC FPGA上,VGG-16的峰值性能为138有效GOPS。
translated by 谷歌翻译
使用3D +时间超声心动图(4DE)进行可靠的运动估计和应变分析,用于心肌损伤的定位和表征,对于早期发现和有针对性的干预是有价值的。然而,由于4R的固有图像特性导致的低信噪比,运动估计很困难,而智能正则化对于产生可靠的运动估计至关重要。在这项工作中,我们将领域适应的概念纳入了无监督神经网络正则化框架。我们首先提出了一种具有生物力学约束的无监督自动编码器网络,用于学习具有更多生理学上合理位移的动态表示。我们扩展了这个框架,包括一个关于合成数据的监督损失术语,并展示了生物力学约束对网络适应领域能力的影响。我们用植入式超声测量仪验证了体内数据的自动编码器和半监督正则化方法。最后,我们展示了我们的半监督学习规划方法使用估计的区域应变图来识别梗塞区域的能力,这些区域与手动追踪梗死区域的切除心脏区域具有良好的一致性。
translated by 谷歌翻译
Chemical reactions can be described as the stepwise redistribution of electrons in molecules. As such, reactions are often depicted using "arrow-pushing" diagrams which show this movement as a sequence of arrows. We propose an electron path prediction model (ELECTRO) to learn these sequences directly from raw reaction data. Instead of predicting product molecules directly from reactant molecules in one shot, learning a model of electron movement has the benefits of (a) being easy for chemists to interpret, (b) incorporating constraints of chemistry, such as balanced atom counts before and after the reaction, and (c) naturally encoding the sparsity of chemical reactions, which usually involve changes in only a small number of atoms in the reactants. We design a method to extract approximate reaction paths from any dataset of atom-mapped reaction SMILES strings. Our model achieves excellent performance on an important subset of the USPTO reaction dataset, comparing favorably to the strongest baselines. Furthermore, we show that our model recovers a basic knowledge of chemistry without being explicitly trained to do so.
translated by 谷歌翻译
自20世纪90年代中期以来,研究人员一直在尝试使用基于机器学习的方法来解决许多不同的编译器优化问题。这些技术主要提高了获得结果的质量,更重要的是,使解决两个主要的编译器优化问题成为可能。 :优化选择(选择要应用的优化)和阶段排序(选择应用优化的顺序)。由于应用程序的进步,编译器优化的数量增加以及新的目标体系结构,编译优化空间继续增长。编译器中的通用优化传递无法充分利用新引入的优化,因此无法跟上增加选择的步伐。本调查总结并分析了编译器优化领域使用机器学习的最新进展,特别是关于(1)选择最佳优化和(2)优化的阶段排序这两个主要问题。调查重点介绍了采用的方法,获得的结果,不同方法之间的细粒度分类,最后是该领域的有影响力的论文。
translated by 谷歌翻译