有人提出,真核性的基本单倍体 - 二倍体循环利用了鲍德温效应的基本形式。本文采用着名的NKCS模型来探讨共同进化对真核生物行为的影响。研究表明,不同的健身景观大小,粗糙度和连通性可以改变真核生殖性别在共同进化上下文中对单倍体无性繁殖有益的条件。此外,真核性别显示出其伴生物种表现出的进化相对比无性单倍体更敏感。
translated by 谷歌翻译
高保真度计算模拟的使用有望实现高通量假设检验和癌症疗法的优化。然而,增加现实主义是以增加计算需求为代价的。本文探讨了使用替代辅助进化算法来优化多细胞模拟器PhysiCell对治疗性化合物肿瘤细胞的靶向递送。研究了高斯过程模型和多层感知器神经网络特征模型的使用。我们发现进化算法能够在基于试剂的模拟中有效地探索生物物理性质的参数空间,从而在经过一段时间的模拟处理后最小化所得的癌细胞数量。发现两种模型辅助算法都优于标准的进化算法,证明了它们能够在最小的评估预算内执行更有效的搜索。
translated by 谷歌翻译
提出了一种新型的浮空气风力发电系统,该系统包含一系列相互作用的涡轮机。球囊涡轮机部件的设计通过人工智能和快速原型技术的组合来进行,从而消除/减少了对高度准确性/升力和尾流动力学模拟的需求。将介绍用于确定设计和算法基础的初始小规模风洞测试。
translated by 谷歌翻译
最近有人提出,真核性的基本单倍体 - 二倍体循环利用了鲍德温效应的基本形式。此外,其他相关现象可以解释为进化调整生物体验所经历的学习量和频率。使用着名的健身景观的NK模型,这里显示了支配的出现也可以在真核生物进化的这种观点下解释。
translated by 谷歌翻译
最近有人提出,真核性的基本单倍体 - 二倍体循环利用了鲍德温效应的基本形式。此外,其他相关现象可以解释为进化调整生物体验所经历的学习量和频率。使用众所周知的健身景观的NK模型,这里表明,性别决定系统的出现也可以在真核动力学的这种观点下解释。
translated by 谷歌翻译
本文提出了一个新的任务,即视频中时空识别描述的基础。以前的工作表明现有数据集中存在潜在偏差,并强调需要新的数据创建模式以获得更好的模型结构。我们引入了一种基于表面实现的语法约束的新数据采集方案,使我们能够研究视频中基础时空识别描述的问题。 Wethen提出了一个双流模块化注意网络,该网络基于外观和运动来学习和发现时空识别描述。通过模块化神经网络解决模块之间的任务干扰,可以看出运动模块有助于解决与运动相关的单词,并且还有助于在外观模块中使用。最后,我们提出了一个未来的挑战,并且需要一个强大的系统,这个系统来自用自动视频对象检测器和时间事件定位替换地面真实视觉注释。
translated by 谷歌翻译
我们采用三重态损耗作为空间嵌入正则化器来提升分类性能。标准体系结构(如ResNet和DesneNet)经过扩展,可通过最少的超参数调整来支持这两种损耗。这可以在调整预训练网络的同时提高通用性。三胞胎损失是最近提出的嵌入正则化器的强有力的替代品。然而,它适用于大批量需求和高计算成本。通过实验,我们重新评估这些假设。在推理期间,我们的网络支持分类和嵌入任务,没有任何计算开销。定量评估突出显示我们的方法在多个细粒度识别数据集上优于现有技术水平。对不平衡视频数据集的进一步评估实现了显着的改进(> 7%)。除了提高效率,三重态损失带来了检索和解释性的分类模型。
translated by 谷歌翻译
我们将视觉检索视为回归问题,将三联体损失视为回归损失。这使得能够在检索中使用丢失作为贝叶斯近似框架来进行认知不确定性估计。因此,利用蒙特卡罗(MC)采样来提高检索性能。我们的方法在两个应用中进行评估:人员重新识别和自动驾驶汽车。在多个数据集上为表演者应用程序实现了可比较的最新结果。我们利用本田驾驶数据集(HDD)进行自动驾驶应用。它提供了多种形式和相似性概念前动作动作理解。因此,我们提出了一种多模态条件检索网络。它将嵌入解嵌到单独的表示中以对不同的相似性进行编码。这种形式的联合学习消除了培训多个独立网络的需要,而没有任何性能下降。定量评估突出了我们的方法能力,在高度不确定的环境中实现了6%的改进。
translated by 谷歌翻译
自动化基本原理生成是一种实时解释生成的方法,其中计算模型学习将自主代理的内部状态和动作数据表示转换为自然语言。对人类解释数据的训练可以使代理学习为其行为生成类似人的解释。在本文中,使用扮演Frogger的代理的上下文,我们描述了(a)如何收集解释的语料库,(b)如何训练神经理论生成器以产生不同的理论风格,以及(c)人们如何看待这些理论基础我们进行了两项用户研究。第一项研究确定了每种类型的生成理论的合理性,并将其用户感知置于信心,人性,充分理由和可理解性的维度之上。第二项研究进一步探讨了在自主代理人信任,沟通失败和意外行为方面产生的理由之间的用户偏好。总的来说,我们发现生成的基本原理的特征与用户的感知差异之间存在预期差异。此外,在背景允许的情况下,参与者提供了详细的理论基础,以形成代理人行为的稳定心理模型。
translated by 谷歌翻译
我们介绍了在JPEG变换域中执行残差网络推理和学习的一般方法,该方法允许网络使用压缩图像作为输入。我们的公式利用JPEGtransform的线性度来重新定义卷积和批量归一化,并使用ReLu的可调数值近似。结果在数学上等效于空间域网络,直到ReLu近似精度。给出了用于图像分类的公式和用于空间域网络的模型转换算法作为该方法的示例。我们证明了JPEG格式的稀疏性允许更快地处理图像,在网络精度上几乎没有惩罚。
translated by 谷歌翻译