目的:本研究的目的是使用颅内脑电图(iEEG)数据开发一种有效且可靠的癫痫发作预测系统,特别是对于耐药性癫痫患者。预测程序应以足够快的速度产生准确的结果,以警告患者癫痫发作。方法:我们定量分析人类iEEG数据,以了解人类大脑在癫痫发作之前和之间的行为方式。然后,我们引入了一种有效的预处理方法,用于减少数据大小并将时间序列iEEG数据转换为可用作卷积神经网络(CNN)输入的图像类型格式。此外,我们提出了一种癫痫发作预测算法,该算法使用协作多尺度CNN来进行iEEG数据的自动特征学习。结果:1)iEEG通道包含补充信息并排除个别通道不建议获得准确预测癫痫发作所需的空间信息。 2)传统的PCA不是癫痫发作预测中iEEG数据导出的可靠方法。 3)手工制作的iEEG特征可能不适用于可靠的癫痫发作预测性能,因为iEEG数据在患者之间以及随着时间的推移因同一患者而异。 4)癫痫发作预测结果表明,我们的算法优于现有方法,平均灵敏度为87.85%,AUC得分为0.84。结论:了解人类大脑在癫痫发作前的行为,并且远离它们有助于更好地设计癫痫发作预测因子。意义:准确的癫痫发作预测算法可以警告患者下次癫痫发作,以避免危险活动。然后可以服用药物以中止即将发作的癫痫发作并将受伤风险降至最低。
translated by 谷歌翻译
贝叶斯优化和Lipschitz优化已经开发出用于优化黑盒功能的替代技术。它们各自利用关于函数的不同形式的先验。在这项工作中,我们探索了这些技术的策略,以便更好地进行全局优化。特别是,我们提出了在传统BO算法中使用Lipschitz连续性假设的方法,我们称之为Lipschitz贝叶斯优化(LBO)。这种方法不会增加渐近运行时间,并且在某些情况下会大大提高性能(而在最坏的情况下,性能类似)。实际上,在一个特定的环境中,我们证明使用Lipschitz信息产生与后悔相同或更好的界限,而不是单独使用贝叶斯优化。此外,我们提出了一个简单的启发式方法来估计Lipschitz常数,并证明Lipschitz常数的增长估计在某种意义上是“无害的”。我们对具有4个采集函数的15个数据集进行的实验表明,在最坏的情况下,LBO的表现类似于底层BO方法,而在某些情况下,它的表现要好得多。特别是汤普森采样通常看到了极大的改进(因为Lipschitz信息已经得到了很好的修正) - 探索“现象”及其LBO变体通常优于其他采集功能。
translated by 谷歌翻译
恶意网络攻击的传播者继续增加其技术的复杂性和复杂性,并且其逃避检测的能力也在不断提高。因此,入侵检测系统也必须发展以满足这些日益具有挑战性的威胁。机器学习用于支持这种必要的改进。但是,训练良好的预测模型可能需要大量标记的训练数据。由于隐私问题阻止了大多数入侵检测机构共享其敏感数据,因此难以获得此类数据集。在本文中,我们建议使用模仿学习,通过私人数据培训的教师模型将入侵检测知识转移到模糊的模型。该学生模型提供了从私有数据中提取的公开共享知识的手段,而不共享数据本身。我们的结果证实,所提出的方案可以产生模仿教师模型的学生入侵检测模型,而无需访问原始数据集。
translated by 谷歌翻译
本文介绍了一种新的基于四旋翼飞行器的机械手的实验验证。四旋翼飞行器配备了一个2自由度机械臂,该机械臂设计有新的拓扑结构,使整个系统的末端执行器能够完成6自由度轨迹。进行识别实验以找出系统参数。给出了整个系统的数学模型。考虑到四旋翼下方机械手的运动,提出了一种测量方案来获得车辆的精确姿态。系统控制器是基于PID和重力补偿算法设计和实现的。系统仿真在MATLAB / SIMULINK环境中使用实际系统参数实现,以更好地模拟真实的设置。实时实验。仿真和实验结果均表明了所提出的系统在将物体保持和转移到特定目标位置时的可行性和令人满意的效率。
translated by 谷歌翻译
生成具有最佳性质的新分子是许多工业中的关键步骤,例如药物发现。最近,深度生成模型已经显示出进行从头分子设计的有希望的方法。虽然图形生成模型目前可用,但它们或者在参数数量上具有图形尺寸依赖性,将它们的使用限制为仅非常小的图形或者被构造为构造图形所需的一系列离散动作,使得输出图形与模型参数不可微分。因此阻止它们用于条件图生成等场景。在这项工作中,我们提出了一个条件图生成模型,它具有计算效率,可以直接优化图。我们证明了我们的模型在基于原型的分子图条件生成任务中的有利性能。
translated by 谷歌翻译
无人驾驶飞行器(UAV)最近迅速发展,以促进广泛的创新应用,这些应用可以从根本上改变设计的道路物理系统(CPS)。 CPS是现代一代的系统,具有计算和物理潜力之间的协同合作,可以通过几种新机制与人类进行交互。在CPS应用中使用无人机的主要优势在于其独特的功能,包括其移动性,动态性,轻松部署,自适应高度,灵活性,可调节性以及随时随地有效评估现实世界的功能。此外,从技术角度来看,预计无人机将成为先进CPS发展的重要元素。因此,在本次调查中,我们的目标是确定用于CPS应用的多无人机系统的最基本和最重要的设计挑战。我们突出了关键和多功能方面,涵盖目标和基础设施对象的覆盖和跟踪,节能导航和使用机器学习的细粒度CPS应用程序的图像分析。还研究了关键原型和测试平台,以展示这些实用技术如何促进CPS应用。我们提出并提出最先进的算法,用定量和定性方法解决设计挑战,并将这些挑战与重要的CPS应用相结合,以便对每种应用的挑战得出深刻的结论。最后,我们总结了可能影响这些领域未来研究的潜在新方向和想法。
translated by 谷歌翻译
本文的目的是使用多个斜坡计量控制加上其互补的DynamicSpeed限制(DSL)来优化全速的交通流量。当最小化高速公路密度和临界比率最大交通流量之间的差异时,可以达到最佳的高速公路运行。在本文中,提出了一种用于斜坡计量和DSL的多路径强化学习高速公路控制(MARL-FWC)系统.MARL-FWC在网络层面引入了基于协同马尔可夫决策过程建模(Markov game)的新型微观框架。相关的合作Q学习算法。该技术在协调图框架下结合了支付传播(Max-Plus算法),特别适合于最佳控制目的。 MARL-FWC提供三种控制设计:完全独立,完全分布和集中;适用于不同的网络架构。 MARL-FWC进行了广泛测试,以评估联合收益的建议模型以及全球收益。在着名的VISSIM交通模拟器下进行实验,以评估MARL-FWC。实验结果表明,在保持最佳交通流量的同时,总行程时间显着减少,平均速度增加(与基础情况相比)。
translated by 谷歌翻译
从图形数据中学习可以构建许多重要问题。我们提出了一个学习任意图卷积神经网络的框架。这些图可以是无向的,定向的,并且具有离散和连续的节点和边缘属性。类似于在输入的局部连接区域上操作的基于图像的卷积网络,我们提出了从图中提取局部连通区域的通用方法。我们建立了基准数据集,我们证明了学习的特征表示与最先进的图形内核竞争,并且它们的计算效率很高。
translated by 谷歌翻译
机器学习正在从艺术和科学转变为可供每个开发人员使用的技术。在不久的将来,每个平台上的每个应用程序都将包含训练有素的模型,以编码开发人员无法创作的基于数据的决策。这提出了一个重要的工程挑战,因为目前数据科学和建模在很大程度上与标准软件开发过程脱钩。这种分离使得在应用程序内部的机器学习能力不必要地变得困难,并且进一步阻碍了开发人员将MLin置于首位。在本文中,我们介绍了ML .NET,这是一个在过去十年中在Microsoft开发的框架,用于应对在大型软件应用程序中轻松发布机器学习模型的挑战。我们提出了它的架构,并阐明了形成它的应用程序需求。具体而言,我们引入了DataView,它是ML .NET的核心数据抽象,它可以有效地,一致地捕获完整的预测管道,并在训练和推理生命周期中进行。我们结束了论文,对ML .NET进行了令人惊讶的有利的性能研究,与更多的接受者相比,并讨论了一些经验教训。
translated by 谷歌翻译
从2D观察中恢复关节式3D结构是许多应用中具有挑战性的计算机视觉问题。目前基于学习的方法在公共基准上实现了最先进的性能,但仅限于训练数据集所涵盖的特定类型的对象和动作。基于模型的方法不依赖于培训数据,但在公共基准测试中表现出较低的准确性。在本文中,我们介绍了一种新的基于模型的方法,称为结构运动结构(SfAM)。 SfAM包括一个新的结构术语,它确保整个图像序列中骨骼长度的一致性,并恢复特定结构的场景特定配置。所提出的方法对于嘈杂的2D注释是高度鲁棒的,概括为任意对象和运动类型,并且仅针对训练数据。它实现了最先进的精确度,并在不同的场景中进行了扩展,这在公共基准和真实视频序列的广泛实验中得到了体现。
translated by 谷歌翻译