Automatically fixing software bugs is a challenging task. While recent work showed that natural language context is useful in guiding bug-fixing models, the approach required prompting developers to provide this context, which was simulated through commit messages written after the bug-fixing code changes were made. We instead propose using bug report discussions, which are available before the task is performed and are also naturally occurring, avoiding the need for any additional information from developers. For this, we augment standard bug-fixing datasets with bug report discussions. Using these newly compiled datasets, we demonstrate that various forms of natural language context derived from such discussions can aid bug-fixing, even leading to improved performance over using commit messages corresponding to the oracle bug-fixing commits.
translated by 谷歌翻译
预审前的语言模型已被证明在许多与软件有关的一代任务中都是有效的。但是，它们不适合编辑任务，因为它们不是为了推理编辑的原因。为了解决这个问题，我们提出了一个新颖的预处理目标，该目标明确地对编辑进行了建模并使用它来构建Coditt5，这是一种用于软件相关编辑任务的大型语言模型，该任务是在大量源代码和自然语言评论中鉴定的。我们将其对各种下游编辑任务进行微调，包括评论更新，错误修复和自动代码审核。通过优于基于纯生成的模型，我们证明了方法的普遍性及其对编辑任务的适用性。我们还展示了纯生成模型和我们的基于编辑的模型如何通过简单的重读策略相互补充，我们可以通过该策略实现三个下游编辑任务的最新性能。
translated by 谷歌翻译
We outline our work on evaluating robots that assist older adults by engaging with them through multiple modalities that include physical interaction. Our thesis is that to increase the effectiveness of assistive robots: 1) robots need to understand and effect multimodal actions, 2) robots should not only react to the human, they need to take the initiative and lead the task when it is necessary. We start by briefly introducing our proposed framework for multimodal interaction and then describe two different experiments with the actual robots. In the first experiment, a Baxter robot helps a human find and locate an object using the Multimodal Interaction Manager (MIM) framework. In the second experiment, a NAO robot is used in the same task, however, the roles of the robot and the human are reversed. We discuss the evaluation methods that were used in these experiments, including different metrics employed to characterize the performance of the robot in each case. We conclude by providing our perspective on the challenges and opportunities for the evaluation of assistive robots for older adults in realistic settings.
translated by 谷歌翻译
最近一年带来了电动汽车（EV）和相关基础设施/通信的大幅进步。入侵检测系统（ID）被广泛部署在此类关键基础架构中的异常检测。本文提出了一个可解释的异常检测系统（RX-ADS），用于在电动汽车中的CAN协议中进行入侵检测。贡献包括：1）基于窗口的特征提取方法； 2）基于深度自动编码器的异常检测方法； 3）基于对抗机器学习的解释生成方法。在两个基准CAN数据集上测试了提出的方法：OTID和汽车黑客。将RX-ADS的异常检测性能与这些数据集的最新方法进行了比较：HID和GID。 RX-ADS方法提出的性能与HIDS方法（OTIDS数据集）相当，并且具有超出HID和GID方法（CAR HACKING DATASET）的表现。此外，所提出的方法能够为因各种侵入而引起的异常行为产生解释。这些解释后来通过域专家使用的信息来检测异常来验证。 RX-ADS的其他优点包括：1）该方法可以在未标记的数据上进行培训； 2）解释有助于专家理解异常和根课程分析，并有助于AI模型调试和诊断，最终改善了对AI系统的用户信任。
translated by 谷歌翻译
自然语言处理（NLP）是一个人工智能领域，它应用信息技术来处理人类语言，在一定程度上理解并在各种应用中使用它。在过去的几年中，该领域已经迅速发展，现在采用了深层神经网络的现代变体来从大型文本语料库中提取相关模式。这项工作的主要目的是调查NLP在药理学领域的最新使用。正如我们的工作所表明的那样，NLP是药理学高度相关的信息提取和处理方法。它已被广泛使用，从智能搜索到成千上万的医疗文件到在社交媒体中找到对抗性药物相互作用的痕迹。我们将覆盖范围分为五个类别，以调查现代NLP方法论，常见的任务，相关的文本数据，知识库和有用的编程库。我们将这五个类别分为适当的子类别，描述其主要属性和想法，并以表格形式进行总结。最终的调查介绍了该领域的全面概述，对从业者和感兴趣的观察者有用。
translated by 谷歌翻译
微型机构中的一个重要问题是如何控制具有全局控制信号的大型微型机器人。本文着重于控制大规模的微棉机器人，并使用车载物理有限状态机器来控制。我们介绍了基于组的控制的概念，这使得可以扩大群体大小，同时降低机器人制造和群体控制的复杂性。我们证明，基于组的控制系统可以从机器人位置上进行本地访问。我们进一步基于广泛的模拟，即该系统在全球可控。提出了一种非线性优化策略，以最大程度地减少控制努力来控制群体。我们还提出了一种适合在线使用的概率完整的避免碰撞方法。本文以对模拟中提出的方法的评估结束。
translated by 谷歌翻译
机器学习和计算机视觉是动态增长的领域，事实证明，它们能够解决非常复杂的任务。它们也可以用于监测蜜蜂菌落和检查其健康状态，在这种情况至关重要之前，可以确定潜在的危险状态，或者更好地计划定期的蜜蜂殖民地检查，从而节省大量费用。在本文中，我们介绍了用于蜜蜂监视的最先进的计算机视觉和机器学习应用程序。我们还证明了这些方法的潜力，作为自动蜜蜂计数器算法的一个例子。该论文针对的是兽医和养育专业人士和专家，他们可能不熟悉机器学习来向他们介绍其可能性，因此，每个应用程序都通过与基本方法相关的简短理论介绍和动机来打开。我们希望本文能够激发其他科学家将机器学习技术用于蜜蜂监测中的其他应用。
translated by 谷歌翻译
自从几十年前的频谱分析开创性工作以来，已经研究了提取音频和语音特征的方法。最近的努力以开发通用音频表示的雄心为指导。例如，如果深度神经网络在大型音频数据集上进行了培训，则可以提取最佳的嵌入。这项工作扩展了基于自我监督的学习，通过引导，提出各种编码器体系结构，并探索使用不同的预训练数据集的效果。最后，我们提出了一个新颖的培训框架，以提出一个混合音频表示，该框架结合了手工制作和数据驱动的学习音频功能。在HEAR NEURIPS 2021挑战中，对听觉场景分类和时间戳检测任务进行了评估。我们的结果表明，在大多数听到挑战任务中，带有卷积变压器的混合模型都会产生卓越的性能。
translated by 谷歌翻译
声学环境会在交流过程中降低语音质量（例如，视频呼叫，远程演示，外部语音记录），其影响通常未知。鉴于影响语音质量和收集标记数据的难度的因素的多维性，言语质量的客观指标已被证明具有挑战性的挑战。假设声学对语音质量的影响，本文介绍了MOSRA：一种无侵入的多维语音质量指标）语音质量。通过明确优化模型以学习这些房间的声学参数，我们可以提取更有用的功能，并在训练数据受到限制时改善MOS任务的概括。此外，我们还表明，这种联合培训方法增强了房间声学的盲目估计，从而提高了当前最新模型的性能。该联合预测的另一个副作用是预测的解释性改善，这对于许多应用来说是一个有价值的功能。
translated by 谷歌翻译
作为对威胁或不利条件的神经生理学反应，压力会影响认知，情绪和行为，并在持续暴露的情况下对健康产生有害的影响。由于语音的情感内容固有地由个人的身心状态调节，因此大量的研究专门研究了引起压力的任务负荷的副语言相关性。从历史上看，语音应力分析（VSA）是使用常规数字信号处理（DSP）技术进行的。尽管基于深神网络（DNN）的现代方法发展了现代方法，但由于多种压力源和个体压力感知的差异，准确检测语音压力仍然很困难。为此，我们介绍了一组五个数据集，用于语音中的任务负载检测。在志愿者队列中诱发了认知或身体压力，累积数量超过一百位讲话者，因此收集了声音记录。我们使用数据集设计和评估了一种新型的自我监督音频表示，该音频表示利用了手工制作的功能（基于DSP）的有效性和数据驱动的DNN表示的复杂性。值得注意的是，所提出的方法的表现优于广泛的手工特征集和新型的基于DNN的音频表示方法。
translated by 谷歌翻译