定居宿主的细菌群体在宿主健康中起着重要作用,包括作为向其他宿主传播的宿主以及从中出现侵入性菌株,从而强调了解殖民群体的获得和清除的重要性。对殖民化动力学的研究基于对连续样品是否代表单个群体或不同的定植事件的评估。估算采集和清除率的共同点是使用固定的遗传距离阈值。然而,这种方法通常不足以解释潜在的主体内发展人口的多样性,连续测量之间的时间间隔以及估计的获取和清除率的不确定性。在这里,我们总结了最近提交的工作\ cite {jarvenpaa2018named},并提出了一个贝叶斯模型,它提供了两个菌株是否应该被认为是相同的概率,允许确定细菌清除和从基因组样本中获取时间。我们使用种群遗传模拟明确地模拟宿主内变异,并且通过使用近似贝叶斯计算(ABC)和马尔可夫链蒙特卡罗(MCMC)的组合来组合来自多个数据源的信息来完成推断。我们使用该方法分析一组耐甲氧西林金黄色葡萄球菌(MRSA)分离株。
translated by 谷歌翻译
无可能性推理引擎(ELFI)是一个Python软件库,用于执行无可用推理(LFI)。 ELFI提供了一种方便的语法,用于将LFI中的组件(例如先验,模拟器,摘要或距离)安排到称为ELFI图的网络中。这些组件可以用各种语言实现。独立的ELFI图可以与任何可用的推理方法一起使用而无需修改。在ELFI中实现的中心方法是无可能性推理的贝叶斯优化(BOLFI),最近已经证明通过代理建模距离可以将无可能性推断加速到几个数量级。 ELFI还具有内置的输出数据存储支持,可用于重用和分析,并支持从多个核到群集环境的计算并行化。 ELFI旨在实现可扩展性,并提供扩展其功能的接口。这使得向ELFI添加新的推理方法变得简单并且自动与内置功能兼容。
translated by 谷歌翻译
近似贝叶斯计算(ABC)是贝叶斯推理的一种方法,当可能性不可用时,但是可以从模型中进行模拟。然而,许多ABC算法需要大量的模拟,这可能是昂贵的。为了降低计算成本,已经提出了贝叶斯优化(BO)和诸如高斯过程的模拟模型。贝叶斯优化使人们可以智能地决定在哪里评估模型下一个,但是常见的BO策略不是为了估计后验分布而设计的。我们的论文解决了文献中的这一差距。我们建议计算ABC后验密度的不确定性,这是因为缺乏模拟来准确估计这个数量,并且定义了测量这种不确定性的aloss函数。然后,我们建议选择下一个评估位置,以尽量减少预期的损失。实验表明,与普通BO策略相比,所提出的方法通常产生最准确的近似。
translated by 谷歌翻译
我们考虑通过猕猴前额皮质中的多电极阵列记录的局部场电位(LFP)预测眼球运动目标的问题。猴子的任务是执行记忆引导的扫视八个目标之一,在此期间记录LFP活动并用于traina解码器。以前的报告主要依赖于LFP的频谱幅度作为解码步骤中的一个特征,以限制成功,而忽略了相位而没有适当的理论证明。本文阐述了在统计上最优的框架中解码眼动意图的问题,并使用高斯序列建模和Pinsker定理来对LFP信号进行最佳估计,后者在解码步骤中被用作特征。该方法显示为低通滤波器,并且在适当收缩后通过其复数傅里叶系数表示特征空间中的LFP,使得较高频率分量衰减;这样,LFP信号中固有存在的相位信息自然地嵌入到特征空间中。所提出的基于复频谱的解码器在前额叶皮层表面附近的表面电极深度上实现高达$ 94 \%$的预测精度,这标志着与传统的基于功率谱的解码器相比显着的性能改进。
translated by 谷歌翻译
2005年,DARPA将实现可行的自动驾驶汽车(AVs)标记为挑战;不久之后,这个想法变成了一个可以改变汽车行业的潮流。今天,安全问题介于现实和解决之间。如果有合适的平台,CPS社区将准备提供独特的见解。然而,测试真实车辆的安全性和性能极限是昂贵且危险的。大多数研究人员和学生都无法使用这些车辆。在本文中,我们提出了F1 / 10:anopen-source,经济实惠,高性能的1/10规模自主车辆试验台。 F1 / 10测试平台具有与全尺度解决方案类似的全套传感器,感知,规划,控制和网络软件堆栈。我们展示了由F1 / 10测试平台实现的研究的关键实例,以及该平台如何用于增强自治系统中的研究和教育,使自治更容易获得。
translated by 谷歌翻译
血糖(SMBG)和连续血糖监测(CGM)的自我监测通常被1型糖尿病(T1D)患者用于测量葡萄糖浓度。所提出的自适应基础推注算法(ABBA)支持来自SMBG或CGM设备的输入,以基于前一天患者的葡萄糖水平提供针对每日基础速率和餐时胰岛素剂量的个性化建议。 ABBA基于强化学习(RL),一种人工智能,并在计算机上验证了具有100个成年人的FDA接受人群,在三个模拟月份的不同现实情景下。这些情景包括每天三顿主餐和一小时零食,以及胰岛素敏感性,进餐时间,碳水化合物量和葡萄糖测量时间的不同变化和不确定性。结果表明,所提出的方法与CGM或SMBG作为输入信号实现了相当的性能,而不影响总的每日胰岛素剂量。结果是一个有希望的迹象,AI算法方法可以提供个性化的自适应胰岛素优化和实现葡萄糖控制 - 独立于葡萄糖监测技术的类型。
translated by 谷歌翻译
最近,双曲线几何体已经证明在构建编码分层和蕴涵信息的嵌入式中是有效的。这使得它特别适合于对中文字符和单词之间复杂的不对称关系进行建模。在本文中,我们首先在中文语料库中训练一个大规模的双曲线跳过 - 克模型,然后将特征描述应用于下一个双曲线变换器模型,该模型来自陀螺仪圆盘模型的陀螺仪空间原理。在我们的实验中,基于字符的变形金刚的表现优于其基于单词的欧几里德等价物。据我们所知,这是中国NLP中第一次基于特征的模型优于其基于单词的对应模型,允许对具有挑战性的领域进行规避 - 中文WordSegmentation(CWS)的依赖任务。
translated by 谷歌翻译
深度学习网络用于预测未来的血糖水平,因为这可以让糖尿病患者在即将发生的高血糖和低血糖之前采取行动。具有一个长短期记忆(LSTM)层,一个双向LSTM层和几个完全连接的层的序列模型用于预测不同预测视野的血糖水平。该方法在来自20名真实患者的26个数据集上进行了训练和测试。根据所有评估标准,建议的网络优于基线方法。
translated by 谷歌翻译
在本文中,我们感兴趣的是对典型家庭中发生的复杂活动进行建模。我们建议使用程序,即原子反应和相互作用的序列,作为复杂任务的高级表示。程序是有趣的,因为它们提供任务的非模糊表示,并允许代理执行它们。但是,现在有nodatabase提供这种类型的信息。为实现这一目标,我们首先通过用于教孩子如何编码的类似游戏的界面,为人们家中发生的各种活动提供源代码。使用收集的数据集,我们展示了如何学习如何直接从自然语言描述或视频中提取程序。然后,我们在Unity3D游戏引擎中实现最常见的(内部)操作,并使用我们的程序“驱动”人工代理以在模拟的家庭环境中执行任务。我们的VirtualHome模拟器允许我们创建具有丰富地面实况的大型活动视频数据集,从而实现视频理解模型的培训和测试。我们进一步根据语言描述在我们的VirtualHome中展示我们的代理执行任务的示例。
translated by 谷歌翻译
人工智能最近的研究重点是制作关于视觉场景的叙事故事。它有可能实现更像人类的理解,而不仅仅是按顺序生成图像的基本描述。在这项工作中,我们提出了一个解决方案,用于生成基于序列到序列模型的序列图像的故事。作为一种新奇事物,我们的编码器模型由两个独立的编码器组成,一个用于模拟图像序列的行为,另一个用于模拟在图像序列中为先前图像生成的句子故事。通过使用图像序列编码器,我们捕获图像序列和句子故事之间的时间依赖关系,并通过使用前一个句子编码器,我们实现了更好的故事流程。 Oursolution产生了长长的类似人类的故事,不仅描述了图像序列的视觉上下文,还包含叙事和评价语言。通过手动人体评估确认获得的结果。
translated by 谷歌翻译