冷冻切片（FS）是手术操作期间组织微观评估的制备方法。该程序的高速允许病理学医师快速评估关键的微观特征，例如肿瘤边距和恶性地位，以引导手术决策，并尽量减少对操作过程的干扰。然而，FS容易引入许多误导性的人工结构（组织学人工制品），例如核冰晶，压缩和切割人工制品，妨碍了病理学家的及时和准确的诊断判断。额外的培训和长期经验通常需要对冻结部分进行高度有效和时间关键的诊断。另一方面，福尔马林固定和石蜡嵌入（FFPE）的黄金标准组织制备技术提供了显着优越的图像质量，而是一种非常耗时的过程（12-48小时），使其不适合术语用。在本文中，我们提出了一种人工智能（AI）方法，通过在几分钟内将冻结的整个幻灯片（FS-WSIS）计算冻结的整个幻灯片（FS-WSIS）来改善FS图像质量。 AI-FFPE将FS人工制品终止了注意力机制的指导，该引导机制在利用FS输入图像和合成的FFPE样式图像之间利用建立的自正则化机制，以及综合相关特征的合成的FFPE样式图像。结果，AI-FFPE方法成功地生成了FFPE样式图像，而不会显着扩展组织处理时间，从而提高诊断准确性。我们证明了使用各种不同的定性和定量度量，包括来自20个董事会认证的病理学家的视觉图灵测试的各种不同的定性和定量度量。
translated by 谷歌翻译
由于社会机器人在日常环境中越来越普遍，因此他们将参加对话并适当地管理与他们共享的信息。然而，关于机器人如何适当地辨别信息的敏感性，这几乎都知道，这对人机信任具有重大影响。作为解决此问题的一部分的第一步，我们设计了隐私控制员，知己，用于对话社会机器人，能够使用与对话中的对话中的上下文元数据（例如，情绪，关系，主题）进行模型隐私边界。之后，我们进行了两项众群用户研究。第一项研究（n = 174）重点是，是否被认为是私人/敏感或非私人/非敏感性的各种人类互动情景。我们第一次研究的调查结果用于生成关联规则。我们的第二个研究（n = 95）通过比较使用我们的隐私控制器对基线机器人的机器人来评估人机交互情景中隐私控制器的有效性和准确性，这些机器人对基线机器人没有隐私控制。我们的结果表明，没有隐私控制器的机器人在没有隐私控制器的隐私权，可信度和社会意识中占有于机器人。我们得出结论，隐私控制器在真实的人机对话中的整合可以允许更可靠的机器人。此初始隐私控制员将作为更复杂的解决方案作为基础。
translated by 谷歌翻译
多智能体增强学习（Marl）问题通常需要代理商之间的合作，以解决任务。集中化和权力下放是用于玛尔合作的两种方法。虽然由于部分可观测性和非间手性，但易于分散的方法易于收敛到次优解决方案，但涉及集中化的方法遭受可扩展性限制和懒惰的代理问题。集中式培训分散执行范式带出了这两种方法中最好的;然而，集中培训仍然具有可扩展性的上限，而不仅适用于获得的协调性能，而且还具有模型大小和培训时间。在这项工作中，我们采用分散执行范例的集中培训，并调查跨越可变数量的训练型模型的泛化和转移能力。通过特定的MARL问题中的可变数量的代理进行评估，然后对每个训练配置进行可变数量的代理进行贪婪评估来评估此容量。因此，我们分析了培训与评估的代理计数的每个组合的评估性能。我们对捕食者猎物和交通连接环境进行实验评估，并证明可以通过较少的药剂训练获得类似或更高的评估性能。我们得出结论，进行培训的最佳代理商可能与目标代理的数量不同，并且争论在大量代理中的转移可以是比在训练期间直接越来越多的药剂缩放更有效的解决方案。
translated by 谷歌翻译