我们通过允许在用户频率上进行非均匀分布来概括强盗在线聚类的设置。提出了一种更有效的算法,其具有简单的集合结构来表示集群。我们证明了对新算法的遗憾,该算法没有用户的最小频率。合成和真实数据集上的实验一致地显示了新算法优于现有方法的优势。
translated by 谷歌翻译
工程和算法的最新发展使得量子计算的实际应用在不久的将来成为可能。现有的量子编程语言和编译器使用由1和2量子比特(量子比特)门组成的量子汇编语言。量子编译器框架将此量子组件转换为电信号(称为控制脉冲),在特定物理设备上实现指定的计算。然而,由1和2-qubit逻辑ISA定义的操作与其基础物理实现之间存在混淆,因此将逻辑指令直接转换为控制脉冲的当前实践导致低效,高延迟的程序。为了解决这种低效问题,我们提出了一种通用量子编译方法,该方法将多个逻辑运算聚合到更大的单元中,一次操作多达10个量子位。我们的方法通过以下方式优化这些聚合:(1)找到交换中间操作,从而产生更有效的时间表;(2)创建针对聚合优化的自定义控制脉冲(而不是单独的1和2-qubit操作)。与标准的基于门的编译相比,所提出的方法实现了高级量子软件和低级物理量子硬件的更深层次的垂直集成。我们在超导量子体系结构的模拟上评估我们关于重要近期量子应用的方法。我们提出的方法提供平均加速$ 5 \ times $,最高$ 10 \ times $。因为延迟直接影响量子计算的可行性,我们的结果不仅提高了性能,而且还有可能比其他方面更快地实现量子计算。
translated by 谷歌翻译
在人工智能(AI)介导的劳动力管理系统(例如,众包)中,长期成功取决于工人生产性地完成任务并且休息良好。这种双重目标可以通过生产性懒惰的概念来概括。现有的调度方法主要集中于效率,但通过适当的休息忽视了工人的福祉。为了使劳动力管理系统能够遵循IEEE Ethically Aligned Designguidelines以优先考虑工人福利,我们在本文中提出了分布式计算生产性懒惰(CPL)方法。它巧妙地建议基于当地数据的个性化工作休息时间表,通过工人的能力和情境因素来结合机会休息并实现超线性的集体生产力,而无需明确的协调信息。基于5,000多名工人的地域世界数据集的广泛实验表明,CPL使工人能够花费70%的努力平均完成90%的任务,提供比现有方法更符合道德规范的调度。
translated by 谷歌翻译
行动预期,意图预测和主动行为是交互式场景中自动驾驶策略的所有特征。然而,派拉蒙正在确保道路上的安全 - 这样做的一个关键挑战是解决人类驾驶员行为的不确定性,而不会过度影响计划员的表现。本文介绍了在自主车辆控制堆栈内操作的最小介入安全控制器,其作用是确保与外部控制(例如,人为驱动)对应物的无碰撞交互。我们利用可达性分析来构建实时(100Hz)控制器,该控制器具有以下双重作用:(1)使用模型预测控制从更高级别的计划算法跟踪输入轨迹,以及(2)通过保持无碰撞的可用性来确保安全性逃避机动作为持久约束,无论其他任何未来行动如何。全尺寸线控转向平台用于进行交通测量实验,其中两辆车最初并排,必须在有限的时间和距离内交换车道,模拟汽车在高速公路上/下车时的合并。我们证明,通过我们的控制堆栈,自动驾驶汽车可以避免碰撞,即使当另一辆汽车违背规划人员的期望并采取危险行动时,无论是不小心还是意图碰撞,否则将最小偏离计划轨迹到所需的范围保持安全。
translated by 谷歌翻译
随着人工智能(AI)系统越来越普遍,人工智能的人道主义决策制定的AI治理主题已经获得了公共想象。在人工智能研究界,这个话题对许多研究人员而言并不那么特别。在本文中,我们对现有调查进行了补充,这些调查主要集中在对主题的心理,社会和法律讨论上,并分析了人工治理技术解决方案的最新进展。通过审查包括AAAI,AAMAS,ECAI和IJCAI在内的主要人工智能会议的出版物,我们提出了一个将该领域划分为四个方面的分类:1)探索道德困境; 2)个人道德决策框架; 3)集体道德决策框架; 4)道德非人类 - 人工智能互动。我们强调了使用这种方法的直觉和关键技术,并讨论了将道德人工智能系统成功融入人类社会的未来研究方向。
translated by 谷歌翻译
虚拟现实(VR)因其教育潜力而越来越受到认可,并且作为向人们传达新知识的有效方式,它支持互动和协作活动。由移动技术驱动的经济实惠的VR正在打开一个新的机会世界,可以改变我们学习和与他人互动的方式。本文报道了我们关于VR在刺激跨学科交流中的应用的研究。本文研究了VR在跨学科教育和研究中的应用。本研究的主要贡献是(i)对VR系统使用理由的学习理论的文献综述。教育,(ii)VR系统的各种类型和实施的分类以及支持教育和研究的应用(iii)从广泛的学科评估VR的教育应用,(iv)调查学习过程和学习成果受到VR系统的影响,以及(v)VR和传统教学方法在学习质量方面的比较分析。本研究旨在激发和推动跨学科研究人员和学习者了解VRmight支持他们的方式以及VR软件开发人员如何突破他们的技术极限。
translated by 谷歌翻译
3-D总变差(3DTV)是一个强大的正则化项,用于编码高光谱图像(HSI)下的局部平滑先验结构,用于一般的HSI处理任务。该项是通过沿空间和光谱HSI模式计算的所有梯度图谱带上的假设的相似稀疏结构来计算的。然而,这总是大大偏离真实情况,其中梯度图通常是不同的,而相关的稀疏结构在其所有频带上都是不同的。这种偏差倾向于通过采用这样的先前项来妨碍相关方法的性能。为此,本文提出了一种超越传统3DTV的增强型3DTV(E-3DTV)正则化术语。新的术语不是基于渐变映射本身对impasingsparsity进行计算,而是根据其子带上的梯度图计算子空间上的稀疏性,这自然地编码了这些波段之间的相关性和差异,并且更忠实地反映了HSI的深刻配置。 E-3DTV术语可以轻松取代以前的3DTV术语,并嵌入到HSI处理模型中,以改善性能。通过对两个典型相关任务的广泛实验证实了所提方法的优越性:HSI去噪和压缩感知,与为这两个任务设计的现有技术相比。
translated by 谷歌翻译
有效表示文本对于各种自然语言处理任务至关重要。对于中国情感分析的特殊任务,从文字,字符和拼音等不同形式的汉语表征中理解和选择一个有效的文本表达是非常重要的。本文系统地研究了这些表征对中国情感分析的影响。提出了一个多通道卷积神经网络(MCCNN),其中每个通道对应一个表示。实验结果表明:(1)Word在低OOV率的数据集上获胜而其他角色获胜; (2)组合使用这些表示通常可以提高性能; (3)基于MCCNN的表示形式使用SVM表示传统的ngram特征; (4)提出的MCCNN模式与中国情绪分析的最新模式文本文本相比,具有竞争性。
translated by 谷歌翻译
我们提出了一个基于VGG-16的完整参考感知图像度量,这是一种在对象分类上训练的人工神经网络。我们将指标与基于140k独特图像的新数据库相匹配,这些图像由接收最少指令的人类评估者用地面实况注释。得出的度量标准显示了TID 2013的竞争性能,TID 2013是一个广泛用于评估图像质量评估方法的数据库。更有趣的是,它显示了对可能带有语义相关性的对象的强烈反应,例如面部和文本,我们使用可视化技术和消融实验证明了这一点。无效,该度量似乎模拟了语义上下文对判断的更高影响,我们在未经训练的评估者中尤其如此。由于图像处理系统的绝大多数用户不熟悉图像质量评估(IQA)任务,因此这些发现可能会对感知指标的实际应用产生重大影响。
translated by 谷歌翻译
脊柱的自动定量测量(即,对椎体和椎体的高度,宽度,面积等的多次指示)在临床脊柱疾病诊断中是至关重要的,例如骨质疏松症,椎间盘退变和腰椎间盘突出症,由于脊柱结构的多样性和待估计的指数的高维数,因此前所未有的挑战。在本文中,我们提出了新的级联放大器回归网络(CARN),其中包括CARN架构和局部形状约束流形正则化(LSCMR)损失函数,以实现精确的直接自动多指标估计。 CARN架构由级联放大器网络(CAN)表达特征嵌入和用于多个指数估计的线性回归模型组成。 CAN由级联放大器单元(AU)组成,用于通过在相邻层之间传播特征映射时刺激有效特征和抑制冗余特征来选择性地重用特征,从而获得表达特征嵌入。在训练期间,利用LSCMR来减轻过度拟合并通过学习多指标分布来生成实际估计。对195个受试者的MR图像进行的实验表明,所提出的CARN实现了令人印象深刻的性能,平均绝对误差为1.2496 mm,1.2887 mm和1.2692 mm,分别用于估计15个高度的椎间盘,15个椎体高度和总指数。该方法在临床脊柱疾病诊断中具有很大的潜力。
translated by 谷歌翻译