卷积神经网络(CNN)的性能取决于其超参数,例如层数,内核大小或学习速率。特别是在具有有限计算资源的较小网络和应用中,优化是关键。我们提出了一种快速有效的CNN架构选择方法。考虑到时间消耗,精度和稳健性,我们开发了一种启发式方法,可以快速可靠地评估网络性能。结合贝叶斯优化(BO),有效地覆盖了广阔的参数空间,我们的贡献为这种机器学习技术提供了简单而强大的架构搜索。
translated by 谷歌翻译
我们基于EL本体和aconjunctive查询(CQ)提供了对本体介导查询(OMQ)的数据复杂性和可重用性的最终细粒度分析。我们的主要结果是每个这样的OMQ都在AC0,NL-complete或PTime-complete中,并且NL中的包含与线性Datalog中的重合一致(而AC0中的包含与一阶逻辑中的重合性一致)。我们根据有界深度和(未)有界路径宽度建立三种情况的自然特征,并显示每个相关的元问题,例如决定给定的OMQ是否可重写为线性数据记录是ExpTime-complete。我们还提供了一种在存在时构造线性Datalog重写的方法,并证明没有经常的Datalog重写。
translated by 谷歌翻译
实现现代驾驶员辅助技术的一个重要步骤是准确了解静态物体在环境中的位置。在这项工作中,我们使用人工神经网络以端到端的方式预测整个场景的占用状态。这与传统方法相反,即累积每个检测对占位状态的影响,并允许学习可用于插入环境占用状态的空间先验。我们表明,这些先验的方法适用于预测稀疏,高度不确定输入的密集占用估计,如汽车雷达所给出的,即使对于复杂的城市场景也是如此。此外,我们证明这些估计可用于大规模地图绘制应用。
translated by 谷歌翻译
研究人员和金融专业人员需要强大的计算机化工具,使用户能够快速操作和评估财经新闻中的语义文本内容。然而,现有方法通常在文献层面工作,而对个别句子的实际结构和情感的深入洞察仍然模糊。因此,投资者需要应用最高的关注度和详细的,特定领域的知识,以便在细粒度的基础上评估信息。为了促进这种手动过程,本文提出使用分布式文本表示和多实例学习将信息从文档级转移到句子级。与替代方法相比,该方法具有优越的预测性能,同时保留了背景和可解释性。我们对手动标记数据集的分析产生了高达69.90%的预测准确度,超过了替代方法的性能至少3.80个百分点。因此,这项研究不仅有利于投资者的财务决策,而且还有助于公司按照预期传达他们的信息。
translated by 谷歌翻译
亚里士多德三分法区分了论证的三个方面:Logos,Ethos和Pathos。甚至像争论交换格式(AIF)这样的丰富论证表示也仅涉及捕获Logosaspect。推理锚定理论(IAT)增加了对连接位置与语言连接的言外之意边缘的表达要求的可能性,从而允许捕捉精神的某些方面。通过加入AIF +和社会论证交换格式(S-AIF),将嵌入式和说话者纳入AIF论证表示,形成了亚里士多德确定的所有三个方面的基础。在目前的工作中,我们开发了三分法参数交换格式(T-AIF),它基于S-AIF的想法,即将演讲者添加到论证图中。我们以AIF +中通常已知的方式捕获Logos,Ethos以代表信任的actor之间的Weighteded形式捕获,而Pathos通过加权边缘frosctors捕获代表其对命题的承诺水平的illocutions。这种扩展的结构化论证表示为在这个丰富的图上定义语义属性开辟了新的可能性,以便对参与演员的推理模式进行特征描述和分析。
translated by 谷歌翻译
本文考察了双边论证对在线消费者评论的有益感受的影响。与之前的作品相比,欧洲分析因此揭示了基于语言的观点对评论的接受。为此,我们提出了一种基于分布式文本表示和多实例学习的有趣文本分析方法,以便在评论文本中实现论证的双重性。使用大量亚马逊评论的后验实证分析表明,评论中的双边论证显着增加了他们的帮助。我们发现这种效果对于正面评论比对负面评论更强,而更高程度的情绪语言削弱了效果。我们的发现对零售商平台具有直接影响,可以利用我们的结果优化其客户反馈系统,并提供更多有用的产品评论。
translated by 谷歌翻译
生物可吸收支架已经成为治疗冠心病的流行选择,取代了传统的金属支架。通常,血管内光学相干断层扫描用于评估植入后的潜在疟疾以及随后的后续检查。通常,专家手动检查支架,分析数百个图像切片中的每一个。由于这是耗时的,因此已经提出了自动支架检测和可视化方法,主要用于基于经典图像处理的金属检测。由于生物可吸收支架难以检测,最近的方法使用特征提取和机器学习方法进行自动检测。然而,这些方法需要每个图像切片中的详细的像素级标签和针对特定支架类型的广泛特征工程,这可能限制方法的一般化能力。因此,我们提出了一种基于深度学习的方法,用于仅使用图像级标签的生物可吸收支架可视化。训练卷积神经网络以预测图像切片是否包含金属支架,生物可吸收支架或无装置。然后,我们通过使用具有引导反向传播的效应图的弱监督定位来推导出支架支柱信息。由于显着图通常是漫无目的和嘈杂的,我们提出了一种新的基于贴片的图像移位方法,允许高分辨率支架可视化。我们的卷积神经网络模型实现了图像级别分类的99.0%的分类精度,可用于高质量的切片内支架可视化和支架结构的3D渲染。
translated by 谷歌翻译
我们认为多臂匪徒的设置是扭曲的。我们有不同的决策者(代理人),而不是让一个决策者决定在每轮中选择哪一个决策者。在简单的随机设置中,我们展示了其中一个代理(称为免费乘客),谁有权访问其他代理人的历史,玩一些零后悔算法只能实现$ O(1)$遗憾,而不是遗憾的下界$ \ Omega(\ log T)$当onedecision制造商孤立地玩。在线性上下文设置中,如果其他代理发挥特定的,流行的零遗憾算法(UCB),则免费乘客可以再次实现$ O(1)$遗憾。为了证明这一结果,我们给出了在UCB中必须拉出每个最佳臂的次数的确定性下界。相比之下,我们证明了自由骑手在某些部分信息设置中无法击败标准的单人遗憾。
translated by 谷歌翻译
基于场景的高度自动化车辆安全验证测试是一种有前途的方法,正在研究和工业中进行检验。这种方法严重依赖于来自真实场景的数据来获取测试所需的场景信息。测量数据应该以合理的努力收集,包含道路使用者的自然行为,并包括与所识别的场景的质量不足相关的所有数据。然而,目前的测量方法不能满足至少一个要求。因此,我们提出了一种从空中角度测量数据的新方法,用于满足上述要求的基于场景的验证。此外,我们提供了一个名为highD的德国高速公路的大型自然车辆轨迹数据集。我们根据数量,种类和所包含的情景来评估数据。我们的数据集包括来自6个地点的11.5小时测量,其中110,000个车辆,总驱动距离为45 000 km,5600个记录完整的车道变换。 highD数据集可在线获取:http://www.highD-dataset.com
translated by 谷歌翻译
尽管可以预防,冠心病仍是死亡的常见原因。为了治疗动脉壁中的潜在斑块沉积物,专家可以使用血管内光学相干断层扫描来检测和表征病变。在临床常规中,为每个患者获取数百个图像,这需要自动斑块检测以获得快速和准确的决策支持。到目前为止,自动方法依赖于经典的机器学习方法,并且很少研究深度学习解决方案。鉴于深度学习方法与其他成像方式的成功,需要全面了解基于深度学习的斑块检测,以用于未来的临床决策支持系统。我们用一个由三名训练有素的专家标记的体内患者图像组成的新数据集来解决这个问题。使用这个数据集,我们采用最先进的深度学习模型,直接从图像中学习斑块分类。为了提高性能,我们研究了不同的转移学习方法。此外,我们研究了使用笛卡尔和极地图像表示,并采用针对每种表示定制的数据增强技术。我们融合了多路径架构中的两种表示形式,以实现更有效的功能开发。最后,除了检测外,我们还发现斑块分化的挑战。总体而言,我们发现我们的组合模型表现最佳,准确率为91.7%,灵敏度为90.9%,特异性为92.4%。我们的研究结果表明,建立一个深度学习的斑块检测临床决策支持系统是可行的。
translated by 谷歌翻译