5G毫米波（MMWAVE）信号与传播信道和传播环境具有固有的几何连接。因此，它们可用于共同本地化接收器并映射传播环境，该传播环境被称为同时定位和映射（SLAM）。5G SLAM中最重要的任务之一是处理测量模型的非线性。为了解决这个问题，现有的5G SLAM依赖于Sigma点或扩展卡尔曼滤波器，针对现有概率密度函数（PDF）线性化测量功能。在本文中，我们研究了关于后部PDF的测量功能的线性化，并将迭代后线性化滤波器实施到泊松多Bernoulli Slam滤波器中。仿真结果表明了所得SLAM过滤器的精度和精确改善。
translated by 谷歌翻译
根据数据的选择，模型的适当结构和参数维度的选择在统计研究中具有丰富的历史，在1970年代开发了第一个开创性方法，例如Akaike's和Schwarz的模型评分标准，这些标准受信息理论的启发并体现了基本原理称为Occam的剃须刀。在这些开创性的工作之后，很快就将模型选择确立为自己的研究领域，在计算机科学和统计学中都引起了人们的关注。但是，迄今为止，对于缺乏可能性表达的基于模拟器的模型的评分标准的尝试有限。已经考虑了此类模型的贝叶斯因素，但是已经提出了争论和反对使用它们以及与其一致性有关的问题。在这里，我们使用Jensen--Shannon Divergence（JSD）的渐近性能来得出一种称为JSD-Razor的可能性设置的一致的模型评分标准。分析了JSD-razor与既定的基于可能性方法的评分标准的关系，我们使用合成和真实的建模示例证明了我们标准的有利属性。
translated by 谷歌翻译
面部演示攻击检测（PAD）由于欺骗欺骗性被广泛认可的脆弱性而受到越来越长。在2011年，2013年，2017年，2019年，2020年和2021年与主要生物识别和计算机视觉会议结合的八个国际竞赛中，在八个国际竞赛中评估了一系列国际竞争中的八种国际竞争中的艺术状态。研究界。在本章中，我们介绍了2019年的五个最新竞赛的设计和结果直到2021年。前两项挑战旨在评估近红外（NIR）和深度方式的多模态设置中面板的有效性。彩色相机数据，而最新的三个竞争专注于评估在传统彩色图像和视频上运行的面部垫算法的域和攻击型泛化能力。我们还讨论了从竞争中吸取的经验教训以及领域的未来挑战。
translated by 谷歌翻译
根据哪种机器学习模型提高其性能，当他们有更多数据来学习时，存在常见的假设。在这项研究中，作者希望通过使用新颖的职业学生数据进行实证实验来澄清困境。该实验比较了不同的机器学习算法，同时改变了可用于训练和测试模型的数据数量和特征组合。实验表明，数据记录的增加或其样本频率不会立即导致模型精度或性能的显着增加，但是在集合模型的情况下，准确性的方差会减少。在增加模型的输入特征的数量的同时，目睹了类似的现象。该研究驳斥了起始假设，并继续说明，在这种情况下，数据的重要性在于数据的质量而不是数据的数量。
translated by 谷歌翻译