这项研究的目的是引入一个全面的步态数据库,包括93名在两个不同时段在两个终点之间行走的人类,并使用两个智能手机记录他们的步态数据,一个连接到右侧,另一个连接在腰部左侧。该数据被收集在内部以供基于深度学习的方法使用,该方法需要足够的时间点。记录包括年龄,性别,吸烟,每日运动时间,身高和体重的元数据。此数据集是公开可用的。
translated by 谷歌翻译
路径规划是自动驾驶车辆的主要问题。近年来,随着无人机(UAV)应用的增加,主要挑战之一是路径规划,特别是在对抗环境中。本文中,我们考虑了在多边形中规划aUAV的无碰撞路径的问题。从源点到目标点的域。基于无人机的特性,我们假设生成路径有两个基本限制:每个转折点的转弯角度上限(最大转弯角度)和两个连续转弯之间距离的下限(最小路线腿长)。我们描述了一个在$ O(n ^ 4)$时间内运行的算法,并根据上述限制找到了可行的路径,其中$ n $是障碍物的数量。如实验所示,算法的输出与此要求非常接近最短路径。我们进一步演示了如何将算法分解为两个阶段,即预处理时间和查询时间。通过这种方式,给定一个固定的起点和一组障碍,我们可以在$ O(n ^ 4)$时间内预处理大小为$ O(n ^ 4)$的adata-structure,这样对于我们可以找到的任何querytarget点在$ O(n ^ 2)$ time中具有给定要求的路径。最后,我们修改算法以找到在给定方向范围内到达目标点的可行(几乎最短)路径。
translated by 谷歌翻译
智能手机的广泛采用极大地增加了攻击和移动恶意软件传播的风险,特别是在Android平台上。基于机器学习的解决方案已经被用作取代基于设计的反恶意软件系统的工具。但是,恶意软件作者利用来自恶意和合法样本的属性来估计统计差异,以便创建对抗性示例。因此,为了评估机器学习算法在恶意软件检测中的漏洞,我们建议使用不同的攻击场景来扰乱恶意应用程序(app)。通过这种方式,分类算法不适合地对数据点集合进行判别函数,最终产生更高的分类率。此外,为了区分对抗性实例和良性样本,我们提出了两种防御机制来对抗攻击。为了使我们的攻击和解决方案无效,我们在三个不同的基准数据集上测试我们的模型。我们还使用各种分类算法测试我们的方法,并使用雅可比矩阵将它们与最先进的数据中毒方法进行比较。有希望的结果表明,生成的对抗样本可以非常高的概率逃避检测。此外,当我们用于强化开发的反恶意软件系统时,由我们的攻击模型生成的回避变量提高了检测率。
translated by 谷歌翻译
用于深度学习的混合信号硬件加速器实现了比数字对应物更高的电源效率。在超低功耗方案中,模拟计算固有的有限信号精度成为一项挑战。我们对在混合信号加速器上运行的6层卷积神经网络进行了案例研究,并评估了对硬件特定噪声的敏感性。我们应用各种方法来改善网络的稳健性,并展示通过自适应信号削波来优化有用信号范围的有效方法。得到的模型足以在CIFAR-10数据集上实现80.2%的分类准确度,功率预算为1.4 mW,而6 mW预算允许我们达到87.1%的准确度,这在软件基线的1%范围内。相比之下,同一型号的最优化版本在1.4 mW时的准确度仅达到67.7%,在6 mW时达到78.6%。
translated by 谷歌翻译
在短篇小说中识别时间之箭是一项具有挑战性的任务。即,只有两个段落,即使对于人类来说,确定哪个是第一个,哪个是下一个是非常困难的任务。在本文中,我们收集并策划了anovel数据集,以解决这一具有挑战性的任务。我们已经证明,经过预先训练的BERT架构可以在任务上实现合理的准确性,并且优于基于RNN的架构。
translated by 谷歌翻译
航拍图像中的自动飞机检测具有多种应用。该领域的两个主要挑战是飞机的规模和方向的变化。为了解决这些挑战,我们提出了旋转和规模不变的飞机建议发生器。该建议发生器是基于俯视图中称为对称线段(SLS)的飞机的对称和规则边界而开发的。然后,生成的提议用于训练深度卷积神经网络以去除非飞机提议。由于每架飞机可以有多个SLSproposals,其中一些不在机身的方向,我们收集所有建议对应一个基础事实作为一个积极的袋子和其他作为负面实例。为了进行多实例深度学习,我们修改网络的训练方法,从每个正面包中学习至少一个实例以及所有负面实例。最后,我们采用非最大抑制来删除重复检测。我们对NWPUVHR-10数据集的实验表明,我们的方法是一种很有前途的方法,可用于高分辨率图像中的自动飞机检测。此外,所提出的算法可以使用盒子 - 乐注作为额外成就来估计飞机的方向。
translated by 谷歌翻译
技术发展旨在生产能够执行复杂任务的几代效率越来越高的机器人。这需要来自科学界的大量努力,以找到解决计算机视觉问题的新算法,例如物体识别。 RGB-Dcameras的传播将研究引向研究能够开发RGB和深度信息的新架构。本文开发的项目涉及实现一种新的端到端架构,用于识别称为RCFusion的RGB-D对象。我们的方法通过组合表示不同抽象级别的互补RGB和深度信息来生成紧凑且高度辨别的多模态特征。我们在标准物体识别数据集,RGB-D物体数据集和JHUIT-50上评估我们的方法。所进行的实验表明,我们的方法优于现有方法,并为这两种数据集建立了新的最新结果。
translated by 谷歌翻译
在本文中,我们提出了一种方法,不仅可以使用标记的EEG信号,还可以使用更易于访问的未标记的信号。我们还建议使用数据融合来进一步提高癫痫发作的预测准确性。我们愿景中的数据融合包括EEG信号,心电图信号,体温和时间。我们在28-s EEGwindows上使用短时傅里叶变换作为预处理步骤。生成对抗网络(GAN)以无人监督的方式训练,其中忽略癫痫发作的信息。然后将训练有素的GAN鉴别器用作特征提取器。由特征提取器生成的特征由标记的EEG信号的两个连接层(可以由任何分类器替换)分类。这种半监督癫痫预测方法分别在CHBMIT scalpEEG数据集和弗莱堡医院颅内脑电图数据集中实现了77.68%和75.47%的手术特征曲线区域。无需标记的无监督训练很重要,因为它不仅可以在EEG信号记录期间实时执行,但也不需要为每位患者进行特征工程工作。
translated by 谷歌翻译
强化学习(RL)最近已经重新获得了人气,其中包括击败欧洲Go冠军的游戏。在这里,我们首次证明RL可以有效地用于训练尖峰神经网络(SNN),以在不使用外部分类器的情况下在自然图像中执行对象识别。我们使用前馈卷积SNN和时间编码方案,其中最强激活的神经元首先发射,而较少激活的激发后发射,或者根本不发射。在最高层,每个神经元被分配到一个对象类别,并且假设刺激类别是第一个要射击的神经元的类别。如果这个假设是正确的,神经元就会得到奖励,即应用了尖峰定时依赖性可塑性(STDP),这增强了神经元的选择性。否则,应用抗STDP,这鼓励神经元学习别的东西。在各种图像数据集(Caltech,ETH-80和NORB)上,这种奖励调制的STDP(R-STDP)方法提取了特别具有辨别力的视觉特征,而经典的无监督STDP提取了任何一致重复的特征。因此,R-STDP在这些数据集上优于STDP。此外,R-STDP适用于在线学习,并且可以适应标签排列等急剧变化。最后,值得一提的是,特征提取和分类都是用尖峰进行的,每个神经元最多使用一个单峰。因此,网络是硬件友好且节能的。
translated by 谷歌翻译
In interpretation of remote sensing images, it is possible that some images which are supplied by different sensors become incomprehensible. For better visual perception of these images, it is essential to operate series of pre-processing and elementary corrections and then operate a series of main processing steps for more precise analysis on the images. There are several approaches for processing which are depended on the type of remote sensing images. The discussed approach in this article, i.e. image fusion, is the use of natural colors of an optical image for adding color to a grayscale satellite image which gives us the ability for better observation of the HR image of OLI sensor of Landsat-8. This process with emphasis on details of fusion technique has previously been performed; however, we are going to apply the concept of the interpolation process. In fact, we see many important software tools such as ENVI and ERDAS as the most famous remote sensing image processing tools have only classical interpolation techniques (such as bi-linear (BL) and bi-cubic/cubic convolution (CC)). Therefore, ENVI-and ERDAS-based researches in image fusion area and even other fusion researches often don't use new and better interpolators and are mainly concentrated on the fusion algo-rithm's details for achieving a better quality, so we only focus on the interpolation impact on fusion quality in Landsat-8 multispectral images. The important feature of this approach is to use a statistical, adaptive, and edge-guided interpolation method for improving the color quality in the images in practice. Numerical simulations show selecting the suitable interpolation techniques in MRF-based images creates better quality than the classical in-terpolators.
translated by 谷歌翻译