Neuromorphic computing using biologically inspired Spiking Neural Networks (SNNs) is a promising solution to meet Energy-Throughput (ET) efficiency needed for edge computing devices. Neuromorphic hardware architectures that emulate SNNs in analog/mixed-signal domains have been proposed to achieve order-of-magnitude higher energy efficiency than all-digital architectures, however at the expense of limited scalability, susceptibility to noise, complex verification, and poor flexibility. On the other hand, state-of-the-art digital neuromorphic architectures focus either on achieving high energy efficiency (Joules/synaptic operation (SOP)) or throughput efficiency (SOPs/second/area), resulting in poor ET efficiency. In this work, we present THOR, an all-digital neuromorphic processor with a novel memory hierarchy and neuron update architecture that addresses both energy consumption and throughput bottlenecks. We implemented THOR in 28nm FDSOI CMOS technology and our post-layout results demonstrate an ET efficiency of 7.29G $\text{TSOP}^2/\text{mm}^2\text{Js}$ at 0.9V, 400 MHz, which represents a 3X improvement over state-of-the-art digital neuromorphic processors.
translated by 谷歌翻译
国家推进翻译科学中心（NCATS）生物医学数据翻译（译者）旨在衰减翻译科学家面临的问题。翻译是一种多功能架构，包括六个自主中继代理（ARAS）和八个知识提供商（KPS）。在本文中，我们介绍了解释剂（XARA）的设计，是一种基于案例的ARA，通过访问多个KPS，排名结果并解释结果排名来回答生物医学查询。解释性代理设计有五个知识集装箱，包括四个原始知识容器和一个用于解释的额外容器 - 解释容器。解释容器是基于案例的，并设计有自己的知识容器。
translated by 谷歌翻译
Automated Market Makers (AMMs) have cemented themselves as an integral part of the decentralized finance (DeFi) space. AMMs are a type of exchange that allows users to trade assets without the need for a centralized exchange. They form the foundation for numerous decentralized exchanges (DEXs), which help facilitate the quick and efficient exchange of on-chain tokens. All present-day popular DEXs are static protocols, with fixed parameters controlling the fee and the curvature - they suffer from invariance and cannot adapt to quickly changing market conditions. This characteristic may cause traders to stay away during high slippage conditions brought about by intractable market movements. We propose an RL framework to optimize the fees collected on an AMM protocol. In particular, we develop a Q-Learning Agent for Market Making Protocols (QLAMMP) that learns the optimal fee rates and leverage coefficients for a given AMM protocol and maximizes the expected fee collected under a range of different market conditions. We show that QLAMMP is consistently able to outperform its static counterparts under all the simulated test conditions.
translated by 谷歌翻译
Identification of named entities from legal texts is an essential building block for developing other legal Artificial Intelligence applications. Named Entities in legal texts are slightly different and more fine-grained than commonly used named entities like Person, Organization, Location etc. In this paper, we introduce a new corpus of 46545 annotated legal named entities mapped to 14 legal entity types. The Baseline model for extracting legal named entities from judgment text is also developed.
translated by 谷歌翻译
最近的研究揭示了NLP数据和模型中的不良偏见。但是，这些努力的重点是西方的社会差异，并且无法直接携带其他地质文化背景。在本文中，我们关注印度背景下的NLP公平。我们首先简要说明印度的社会差异斧头。我们为印度背景下的公平评估建立资源，并利用它们来证明沿着某些轴的预测偏见。然后，我们深入研究了地区和宗教的社会刻板印象，证明了其在Corpora＆Models中的普遍性。最后，我们概述了一个整体研究议程，以重新定义印度背景的NLP公平研究，考虑印度社会背景，弥合能力，资源和适应印度文化价值的技术差距。尽管我们在这里专注于“印度”，但可以在其他地理文化背景下进行重新连接化。
translated by 谷歌翻译
人员重新识别（RE-ID）由于其对科学和社会保障的重要性，因此成为计算机视觉最重要的应用领域之一。由于相机系统的尺寸和尺寸巨大，因此开发边缘计算重新ID应用是有益的，在这些应用程序中至少可以通过摄像机执行分析的一部分。但是，常规的重新ID在很大程度上依赖于深度学习（DL）计算要求的模型，这些模型不容易适用于边缘计算。在本文中，我们调整了一种最近提出的重新ID方法，该方法将DL人解析与分析特征提取和排名方案相结合，更适合Edge Computing Re-ID。首先，我们比较使用RESNET101，RESNET18，MOBILENETV2和OSNET骨架的解析器，并表明可以使用紧凑的骨架进行足够的精度来进行解析。其次，我们将解析器转移到Google Coral Dev板的张量处理单元（TPU），并表明它可以充当便携式边缘计算重新ID站。我们还在珊瑚CPU上实施了RE-ID方法的分析部分，以确保它可以执行完整的重新ID周期。为了进行定量分析，我们根据解析器主链比较了GPU和珊瑚TPU的推理速度，解析掩模和重新ID准确性。我们还讨论了Re-ID中边缘计算的可能应用方案，这些限制主要与便携式设备的内存和存储空间有关。
translated by 谷歌翻译
已经观察到，可以从这两种方式中提取视听嵌入，以获得人验证的稳健性。但是，似乎从每个帧中生成单个话语表示的聚合器似乎并未得到很好的探索。在本文中，我们提出了一个视听网络，该网络从融合的角度考虑聚合器。我们首次在面对面验证中引入了改进的细心统计数据。然后，我们发现合并过程中的模式之间存在很强的相关性，因此提出了关节关注的合并，其中包含循环一致性以学习隐式框架间的重量。最后，将这种方式与封闭的注意机制融合在一起。所有提出的型号均在Voxceleb2开发数据集上进行培训，最佳系统分别在Voxceleb1的三个正式步道列表中获得0.18 \％，0.27 \％和0.49 \％EER，据我们所知，这是个人发布的最佳成绩确认。作为分析，生成可视化图来解释该系统如何在模态之间相互作用。
translated by 谷歌翻译
本文描述了对象目标导航任务的框架，该任务要求机器人从随机的启动位置查找并移至目标对象类的最接近实例。该框架使用机器人轨迹的历史记录来学习空间关系图（SRG）和图形卷积网络（GCN）基于基于不同语义标记区域的可能性以及这些区域不同对象类别的发生的可能性。为了在评估过程中定位目标对象实例，机器人使用贝叶斯推理和SRG估计可见区域，并使用学习的GCN嵌入来对可见区域进行排名，并选择接下来的区域。
translated by 谷歌翻译
由于Facebook重命名为Meta，因此对Metaverse是什么，其工作原理以及可能利用它的可能方法进行了很多关注，辩论和探索。可以预料，Metaverse将成为迅速新兴技术，用户酶，能力和经验的连续性，这些技术将弥补这一目标的下一个互联网发展。一些研究人员已经调查了有关人工智能（AI）和无线通信的文献，以实现元评估。但是，由于技术的迅速出现，需要对AI，6G和两者在实现元元体验中的AI，6G和Nexus的作用进行全面和深入的评论。因此，在这项调查中，我们首先介绍了增强现实（AR），虚拟现实（VR），混合现实（MR）和空间计算的背景和持续进展，其次是AI和6G的技术方面。然后，我们通过回顾深度学习，计算机视觉和边缘AI中最新的AI来调查AI在元评估中的作用。接下来，我们研究了B5G/6G对Metaverse的有前途的服务，然后确定AI在6G网络和6G网络中的作用在AI中为支持元应用程序。最后，我们征集了现有的和潜在的应用程序，用户赛和项目，以强调元元中进步的重要性。此外，为了向研究人员提供潜在的研究指示，我们从上述技术的文献综述中提出了挑战，研究差距和经验教训。
translated by 谷歌翻译
在由家用电器，电动汽车和太阳能电池板等各种设备组成的分散家庭能源系统中，最终用户可以更深入地研究该系统的细节，并进一步实现能源可持续性，如果向它们提供了有关电能消耗的数据和设备粒度的生产。但是，该领域中的许多数据库都是从其他域中孤立的，包括仅与能源有关的信息。这可能会导致每个设备能源使用的信息损失（\ textit {例如{例如}天气）。同时，许多这些数据集已在计算建模技术（例如机器学习模型）中广泛使用。尽管这种计算方法仅通过仅专注于数据集的局部视图来实现极高的准确性和性能，但不能保证模型可靠性，因为当考虑到信息遗漏时，此类模型非常容易受到数据输入波动的影响。本文通过在家庭能源系统的基础上检查语义Web方法来解决智能能源系统领域的数据隔离问题。我们提供了一种基于本体的方法，用于在系统中的设备级分辨率下管理分散数据。结果，与每个设备相关的数据的范围可以在整个网络中以可互操作的方式轻松扩展，并且只要根据W3C标准组织数据，就可以从网络中获得其他信息，例如天气。 。
translated by 谷歌翻译