作为巴西卫生部为提高全国放射治疗线性加速器的可用性而制定的计划的一部分,瓦里安医疗系统公司赢得了竞标,签署了技术合作协议,邀请巴西科学和技术机构参与技术转让计划。因此,与此同时,埃尔多拉多研究所和坎皮纳斯大学生物医学工程中心共同提出了一项拟议的规则引擎的概念,以帮助进行放射治疗计划的评估和决策。通常,确定给定患者的辐射剂量是一个复杂而密集的过程,这需要来自肿瘤学家团队的大量领域知识和主观经验。为了帮助他们完成这项复杂的任务,并且为缺乏经验的肿瘤学家提供辅助工具,它提出了一个软件系统的项目概念,该系统将利用混合数据导向的方法。所提出的规则引擎将应用参考机制和表达评估,通过首先考虑3D-适形放射治疗(3DCRT)技术来验证和认证外部束放射治疗计划的质量。
translated by 谷歌翻译
了解行人动态对于众多的应用来说是不可或缺的,包括交通网络的设计和商业发展的规划。行人计数通常需要使用手动或技术手段来计算每个感兴趣位置的个体行人。然而,这种方法不能扩展到城市的大小,并且这里提出了一种新的方法来填补这个空白。在这个项目中,我们使用了大量密集的纽约市图像数据以及深度学习和计算机视觉技术来构建相对行人密度的时空图。由于最先进的计算机视觉方法的局限性,自动检测行人本身就是错误的。我们将这些误差建模为概率过程,为此我们提供理论分析和数值模拟。我们证明,在一个假设中,我们的方法可以提供对行人密度的合理估计,并为产生的误差提供理论界限。
translated by 谷歌翻译
产量预测对于农业利益相关者至关重要,可以通过使用机器学习模型和来自多个来源的数据获得。产量预测的大多数解决方案依赖于NDVI(归一化差异植被指数)数据,这是获取和处理的耗时。为了提高产量预测的可扩展性,在本文中,我们描述了包含卫星衍生降水和土壤属性数据集的系统,来自物理模型和其他来源的季节气候预测数据,以产生大豆/玉米产量的季前预测---没有NDVI数据。该系统通过满足对高分辨率遥感数据的需求并允许农民为作物周期的不利气候影响做好准备,从而提供了非常有用的结果。在我们的研究中,我们预测了巴西和美国的大豆和玉米产量,相当于2016年全球粮食产量的44%。结果表明,大豆和玉米产量预测的误差指标与仅在第一次提供产量预测信息的类似系统相当。数周到数月的农作物周期。
translated by 谷歌翻译
声学数据提供从生物学和通信到海洋和地球科学等领域的科学和工程见解。我们调查了机器学习(ML)的进步和变革潜力,包括声学领域的深度学习。 ML是用于自动检测和利用模式印度的广泛的统计技术家族。相对于传统的声学和信号处理,ML是数据驱动的。给定足够的训练数据,ML可以发现特征之间的复杂关系。通过大量的训练数据,ML candiscover模型描述复杂的声学现象,如人类语音和混响。声学中的ML正在迅速发展,具有令人瞩目的成果和未来的重大前景。我们首先介绍ML,然后在五个声学研究领域强调MLdevelopments:语音处理中的源定位,海洋声学中的源定位,生物声学,地震探测和日常场景中的环境声音。
translated by 谷歌翻译
多模态运动(例如陆地,航空和水上运动)越来越受到机器人研究的兴趣,因为它改善了机器人的环境适应性,运动多功能性和操作灵活性。在地面多个运动机器人中,混合机器人的优势源于其多种(两种或更多种)运动模式,其中机器人可以根据遇到的地形条件进行选择。然而,在改善多个运动模式之间的运动模式转换的自主性方面存在许多挑战。这项工作提出了一种实现atrack-legged四足机器人步骤协商的自主运动模式转换的方法。通过提出的比较滚动和行走运动模式的能量性能的标准,实现了决策过程的自主性。为了实现能源评估目的,提出了两个攀登阶段以实现平稳的步骤谈判行为。模拟显示自主运动模式转换被实现用于具有不同高度的步骤的协商。所提出的方法足够通用,可以在对其运动能量性能进行一些预先研究之后用于其他混合机器人。
translated by 谷歌翻译
神经机器翻译 - 使用神经网络翻译人类语言 - 是一个积极研究探索新神经元类型和网络拓扑的领域,其目标是显着提高机器翻译性能。当前最先进的方法,例如基于多头注意的变换器,需要非常大的翻译语料库和许多标准来产生合理质量的模型。最近尝试将多个节点上的官方TensorFlow“Transformer”模型并行化由于过多的内存使用而导致出现问题,并且在执行MPI集合时导致内存错误。本文描述了对基于霍罗德MPI的分布式训练框架的修改,通过将假设稀疏张量转换为密集张量来减少变换器模型的内存使用,并随后用密集梯度减少代替稀疏梯度聚集。结果是横向扩展能力显着增加。 ,使用Stampede2超级计算机,仅使用CPU的扩展测试可实现高达1200 MPI进程(300个节点)的91%弱缩放效率,以及高达65%的高扩展效率,高达400 MPI进程(200个节点)。
translated by 谷歌翻译
认识到作为诗歌或散文的一段文字对于大多数人来说通常都很容易;但是,只有专家可以确定哪个仪表是poembelongs。在本文中,我们建立了回归神经网络(RNN)模型,可以根据纯文本中的米来对诗歌进行分类。输入文本在字符级别进行编码,并直接输入到模型而不进行特征处理。这是机器理解和语言合成的一个进步,尤其是阿拉伯语。在16个阿拉伯语和4米英语的诗歌中,网络能够对诗歌进行错误的分类,总体准确率分别为96.38%和82.31%。用于进行这项研究的诗集数据量很大,超过150万节经文,并且来自不同的非技术资源,几乎阿拉伯和英国文学网站,以及不同的异构和非结构化格式。现在,这些数据集以干净,结构化和文档化的格式公开提供,供其他未来研究使用。据作者所知,这项研究是第一个通过机器学习方法对诗计进行分类,特别是在RNN无特征方法中。此外,该数据集是第一个公开可用的数据集,可用于未来的计算研究。
translated by 谷歌翻译
我们介绍了Bee $ ^ + $,一种95毫克四翼微型机器人,具有改进的可控性和开环响应特性,相对于具有相同尺寸和相似重量的最先进的双翼微型机器人所表现的那些(即, 75毫克哈佛RoboBee和类似的原型)。推动Bee $ ^ + $发展的关键创新是引入极轻(28毫克)孪晶单晶片致动器,这可以设计出一种独立襟翼四翼的新型微机械机构。与两翼RoboBee类飞行器相比,所提出的设计的第一个主要优点是,通过将执行器的数量从两个增加到四个,直接控制输入的数量从三个增加(滚动扭矩,俯仰扭矩和推力 - 当采用简单的正弦激励时,力)到四(滚动扭矩,俯仰扭矩,偏航扭矩和推力)。 Bee $ ^ + $的第二个优点是它的四翼配置和摆动模式自然地抑制了通常影响双翼微型机器人的偏航自由度的旋转扰动。此外,与其他微型机器人相比,Bee $ ^ + $的设计大大降低了相关制造工艺的复杂性,因为单晶片执行器非常容易构建。最后,我们假设,由于相对低的负荷影响它们的扑动机制,所以Beee $ ^ + $ s的预期寿命必须远高于双翼对应物的寿命.Bee $ ^ + $的功能和基本功能是通过一组简单的对照实验证明。我们预计这个新平台可以实现高性能控制器,用于执行低于100毫克的高速特技飞行操作,以及为实现亚克力级别的完全自治而寻求多样化研究。
translated by 谷歌翻译
卷积神经网络(CNN)已成为物体检测任务的最新技术。在本文中,我们已经解释了基于CNN的不同对象检测模型。我们根据两种不同的方法对这些检测模型进行了分类:两阶段方法和一阶段方法。在本文中,我们已经展示了从R-CNN到最终RefineDet的物体检测模型的进步。我们已经讨论了每个模型的模型描述和培训细节。我们还对这些模型进行了比较。
translated by 谷歌翻译
科学计算依赖于执行以某些编程语言编码的计算机算法。鉴于特定的可用硬件,算法速度是一个关键因素。有许多科学计算环境用于编码这样的算法。 Matlab是最成功和最广泛的科学计算环境之一,具有丰富的工具箱,库和数据可视化工具。 OpenCV是一个基于(C ++)的库,主要用于计算机视觉及其相关领域。本文提出了一个比较研究,使用20个不同的真实数据集来比较一些机器学习算法的Matlab和OpenCV的速度。虽然Matlab在开发和数据显示方面更加方便,但OpenCV的执行速度更快,在某些情况下速度比达到80以上。通过使用Matlab或类似环境来选择最成功的算法,可以实现两个世界的最佳效果。然后,使用OpenCV或类似环境实现所选算法以获得速度因子。
translated by 谷歌翻译