我们探索人工神经网络作为从虚构时间格林函数重建光谱函数的工具,这是一个经典条件反问题。我们的ansatz基于有监督的学习框架,其中先验知识在训练数据中被编码,并且逆变换流形通过神经网络被明确地参数化。我们系统地研究了这种新的重建方法,提供了对其在物理动机模拟数据上的表现的详细分析,并将其与已建立的贝叶斯推理方法进行了比较。发现构造精度至少是可比较的,并且特别是在较大的噪声水平下可能是优越的。我们认为,在监督环境中使用标记的训练数据和确定优化目标的自由度是本方法的固有优势,并且可能导致对未来最先进方法的重大改进。进一步研究的潜在方向是详细讨论。
translated by 谷歌翻译
排名模型通常被设计为提供排名,以优化对用户的即时效用的一些测量。结果,他们无法预料到他们提出的排名会产生越来越多的不良长期后果,从推动错误信息的传播和增加两极分化到有辱人格的社会话语。我们是否可以设计能够理解其提议排名后果的排名模型,更重要的是能够避免不受欢迎的排名吗?在本文中,我们首先使用Markovdecision过程引入排名和用户动态的联合表示。然后,我们证明了这种表示极大地简化了构建相应的排序模型,这些模型利用了直接性和长期福利。特别是,我们可以通过对最大化即时效用度量的模型提供的排名应用加权抽样来获得最优的相关排名。然而,实际上,这种策略可能效率低且不切实际,特别是在高维场景中。为了克服这个问题,我们引入了一种有效的基于梯度的算法来学习参数化的结果排序模型,该模型有效地接近最优的排序模型。我们使用从Reddit收集的合理和真实数据展示我们的方法,并显示使用我们的方法得到的排名模型提供了可以减轻信息传播和提高在线讨论文明的等级。
translated by 谷歌翻译
本文介绍了自动驾驶汽车的算法和系统架构。引入的车辆由设计用于鲁棒性,可靠性和可扩展性的软件栈提供动力。为了自主地绕过先前未知的轨道,所提出的解决方案结合了来自不同机器人领域的技术的状态。具体而言,感知,估计和控制被合并到一个高性能自主车辆中。这个复杂的机器人系统由AMZ Driverless和ETHZurich开发,在我们参加的每个比赛中获得第一名:Formula StudentGermany 2017,Formula Student Italy 2018和Formula Student Germany 2018. Wediscuss这些比赛的结果和学习,并对每个模块进行实验评估我们的解决方案
translated by 谷歌翻译
本文提出了一种有效的自驾车LiDAR传感器物体检测模型,以及利用不同类型的LiDAR传感器对数据进行训练的策略。目前,用于LiDAR测量的物体检测的最高性能算法基于神经网络。使用监督学习训练这些网络需要大量注释的数据集。这导致了大多数使用神经网络从LiDAR点云进行物体检测的研究是在极少数公开可用的数据集和极少数传感器类型上完成的。本文使用现有的注释数据集来训练可以扫描的神经网络。与LiDAR传感器一起使用,该传感器的分辨率低于用于记录注释数据集的分辨率。这是通过基于较高分辨率数据集模拟来自较低分辨率LiDAR传感器的数据来完成的。此外,还提出了对使用LiDAR范围图像进行物体检测的模型的改进。结果在模拟感应数据和安装在研究车辆上的实际较低分辨率传感器的数据上得到验证。结果表明,该模型可以实时预测360 {\ deg}范围图像中的物体。
translated by 谷歌翻译
我们提出了一个模型来衡量不同材料之间的外观相似性,这与人类相似性判断相关。我们首先创建9,000个渲染图像的数据库,描绘具有不同材质,形状和照明的对象。然后,我们收集来自资源实验的感知相似性的数据;我们对超过114,840个答案的分析表明,存在对外观相似性的共同看法。我们为这个数据提供了一个具有新颖损失函数的深度学习架构,该架构学习了与这种感知外观相似性相关的材料的特征空间。我们的评估表明我们的模型优于现有的指标。最后,我们演示了我们的指标启用的几个应用程序,包括基于外观的材料建议搜索,数据库可视化,聚类和汇总以及色域映射。
translated by 谷歌翻译
最近的研究已经探索了使用基于变分自动编码器(VAE)的语音谱的深度生成模型,结合无监督的噪声模型来执行语音增强。这些研究开发了迭代算法,涉及每步的吉布斯采样或梯度下降,使得它们在计算上很昂贵。本文提出了一种变分推理方法来迭代估计清洁语音的功率谱图。我们的主要贡献是变分法的分析推导,其中使用用于训练VAE的verysame假设,可以使用预先学习的VAE的编码器来估计真实后验分布的变量近似。实验表明,所提出的方法产生的结果与上述使用采样的迭代方法相当,同时将计算成本降低了36倍以达到agiven性能。
translated by 谷歌翻译
气味识别是化妆品,食品,饮料和医疗诊断等众多行业的重要领域。气味检测可以通过一系列符合电子鼻的气体传感器来完成,其中数据采集模块将传感器信号转换为标准输出以进行分析。为了促进气味检测,需要系统来进行识别。本文介绍了由模糊系统和电子鼻实现的自动气味识别过程的结果。首先,使用五个二氧化锡气体传感器阵列制造电子鼻原型来检测有机化合物蒸汽,使用arduino uno board作为数据收购部分。其次,考虑使用具有模糊系统的智能模块来识别由电子鼻接收的信号。该解决方案提出了一种通过使用个人计算机来识别气味的系统。结果显示可接受的精度。
translated by 谷歌翻译
贝叶斯脑假设,预测处理和变分自由能最小化通常用于基于世界的准确生成模型来描述感知过程。然而,生成模型不需要对环境进行真实的表示。我们建议他们可以(并且应该)用来描述与行为相关的感觉运动关系,而不是精确的世界记录。
translated by 谷歌翻译
环境监测的任务对于拥有能够识别环境污染物的紧凑和便携系统非常重要,这些环境污染物有助于实现与废物管理和环境恢复相关的任务。在本文中,描述了原型传感器以识别环境中的污染物。该原型由一系列氧化锡SnO2气体传感器制成,用于识别化学蒸汽,采用ARM(高级RISC机器)低成本平台(Arduino)实现数据采集步骤,并通过神经网络自动识别环境污染物。神经网络用于识别污染物普查的组成。在计算机系统中,繁重的计算负荷仅在训练过程中呈现,一旦神经网络被训练,操作就是以更轻的计算负荷在网络上传播数据,其主要包括矢量矩阵乘法和包含激活函数的搜索表,以快速识别未知样本。
translated by 谷歌翻译
我们提供了一个强化学习(RL)工作台Simion Zoo,它提供了一套完整的工具来设计,运行和分析RL控制应用程序的结果,无论是在统计上还是在视觉上。 Simion Zoo与类似软件包的主要特点是易于使用的GUI,支持分布式执行,包括在图形处理单元(GPU)上的部署,以及同时探索RLmetaparameter空间的可能性,这是RL成功的关键。实验。
translated by 谷歌翻译