在本文中，我们介绍了一种基于数学的数学优化的方法来构建多种单件实例的树形分类规则。我们的方法包括构建分类树，除了叶节点之外，暂时遗漏标签并通过SVM分离超平面分为两个类。我们提供了一个混合整数非线性编程配方，用于问题，并报告电池的扩展电池的结果，以评估我们关于其他基准分类方法的提案的性能。
translated by 谷歌翻译
问答（QA）系统越来越多地部署在支持现实世界决策的应用程序中。但是，最新的模型依赖于深层神经网络，这些网络很难被人类解释。固有的可解释模型或事后解释性方法可以帮助用户理解模型如何达到其预测，并在成功的情况下增加对系统的信任。此外，研究人员可以利用这些见解来开发更准确和偏见的新方法。在本文中，我们介绍了Square V2（Square的新版本），以根据图形和基于图形的说明等方法进行比较模型提供解释性基础架构。尽管显着图对于检查每个输入令牌对模型预测的重要性很有用，但来自外部知识图的基于图的解释使用户能够验证模型预测背后的推理。此外，我们提供了多种对抗性攻击，以比较质量检查模型的鲁棒性。通过这些解释性方法和对抗性攻击，我们旨在简化对可信赖的质量检查模型的研究。 Square可在https://square.ukp-lab.de上找到。
translated by 谷歌翻译
监测和检测鱼类行为提供有关鱼类福利的基本信息，并有助于实现全球水产养殖中的智能制作。这项工作提出了一种有效的方法，分析了三个袜子密度（1,5和10个个人/水族馆）在水族馆维护的少年小丑鱼（Amphiprion Bicinctus）的空间分布状态和运动模式。估计的位移是评估分散和速度的关键因素，以表达在再循环水产养殖系统中表达小丑鱼的空间分布和运动行为的关键因素。实际上，我们的目标是使用光学流动方法计算速度，幅度和转动角度，以帮助水平养殖者有效地监测和识别鱼类行为。我们在包含在水族馆维护的少年小丑鱼视频流的数据库上测试系统设计。所提出的位移估计揭示了测量小丑鱼运动和色散特征的良好性能。此外，我们展示了提出的技术来定量在早上和下午拍摄的录音之间的小丑鱼活动水平变化的有效性。
translated by 谷歌翻译
最近的问题答案（QA）数据集和模型的爆炸在多个数据集上的训练模型或通过组合多个模型来增加多个域和格式的模型泛化的兴趣。我们认为，尽管有多个数据集模型的有希望的结果，但一些域或QA格式可能需要特定的架构，因此这些模型的适应性可能受到限制。此外，组合模型的当前方法忽略了质疑，例如问答兼容性。在这项工作中，我们建议将专家代理与专业代理商合并具有小说，灵活和培训的架构，这些架构考虑问题，答案预测和答案 - 预测置信度分数，以选择答案候选人列表中的最佳答案。通过定量和定性实验，我们表明我们的模型I）在域内和域外方案中的先前多个代理和多个数据集方法，II）培训是极其资料的代理商之间的协作。和III）可以适应任何QA格式。
translated by 谷歌翻译