实时竞标是编程广告的新范式。广告商希望做出使用\ textbf {需求端平台}来提高其广告活动的性能的聪明选择。现有的方法正在努力为由于随机招标行为而为优化提供令人满意的解决方案。在本文中，我们提出了具有功能优化的RTB的多代理增强学习体系结构。我们设计了四个代理商竞标环境：基于三个Lagrange-Multiplier的功能优化代理和一个基线代理（没有功能优化的任何属性）首先，已将许多属性分配给每个代理，包括偏见或无偏的胜利概率，Lagrange乘数，然后单击单击 - 通过率。为了评估拟议的RTB策略的性能，我们证明了十个顺序模拟拍卖活动的结果。结果表明，具有功能性动作和奖励的代理商分别具有偏见和公正的获胜信息，具有最重要的平均获胜率和赢得盈余。实验评估表明，我们的方法显着提高了运动的功效和盈利能力。
translated by 谷歌翻译
2022-11-30
Reinforcement Learning (RL) algorithms have been successfully applied to real world situations like illegal smuggling, poaching, deforestation, climate change, airport security, etc. These scenarios can be framed as Stackelberg security games (SSGs) where defenders and attackers compete to control target resources. The algorithm's competency is assessed by which agent is controlling the targets. This review investigates modeling of SSGs in RL with a focus on possible improvements of target representations in RL algorithms.
translated by 谷歌翻译
树种的手动标记仍然是一项具有挑战性的任务，尤其是在热带地区，由于无法获得和劳动密集型地面调查。高光谱图像（HSIS）通过其狭窄且连续的带，可以根据其光谱特性来区分树种。因此，HSI图像上的自动分类算法可以帮助增强有限的标记信息，并为各种树种生成实时分类图。通过图像中有限的标记信息，实现高分类精度是研究人员近年来开始应对的关键挑战之一。我们提出了一种新型的图形调节神经网络（GRNN）算法，该算法涵盖了基于超像素的分割用于图形结构，像素神经网络分类器和标签传播技术，以生成准确的分类图。 Grnn的表现不仅胜过标准的印度松树HSI的几种最先进技术，而且在法国圭亚那（FG）的森林中收集的新的HSI数据集上也达到了高分类的准确性（约92％）少于1％的像素被标记。我们表明，GRNN不仅与最先进的半监督方法具有竞争力，而且还表现出不同数量的训练样本的准确性差异和对标记像素进行培训的不同独立随机采样的差异。
translated by 谷歌翻译
多媒体分析，计算机视觉（CV）和人工智能（AI）算法的最新进步导致了几种有趣的工具，允许自动分析和检索用户利益的多媒体内容。但是，检索感兴趣的内容通常涉及语义特征的分析和提取，例如情感和兴趣级别。这种有意义的信息的提取是一项复杂的任务，通常，单个算法的性能非常低。增强单个算法性能的一种方法是使用融合方案结合多种算法的预测能力。这使各个算法可以相互补充，从而提高了性能。本文提出了有关媒体趣味性得分预测任务的几种融合方法。CLEFFusion 2022中引入了。所提出的方法既包括一个天真的融合方案，其中所有诱导剂均得到同等处理和基于功绩的融合方案，其中采用了多重重量优化方法为单个诱导者分配权重。我们总共使用了六种优化方法，包括粒子群优化（PSO），遗传算法（GA），Nelder Mead，信任区域约束（TRC）和有限的MEMORY BROYDEN FLECHER GOLDFARB SHANNO SHANNO算法（LBFGSA）以及截断的牛顿牛顿算法（TNA）。总体而言，通过PSO和TNA达到0.109的平均平均精度为10。任务是复杂的，通常得分很低。我们认为，提出的分析将为未来在领域的研究提供基准。
translated by 谷歌翻译
提高搜索结果的质量可以显着增强用户的体验和与搜索引擎的交战。尽管机器学习和数据挖掘领域的最新进展，但正确对特定用户搜索查询的项目进行了分类一直是一个长期的挑战，这仍然有很大的改进空间。本文介绍了“购物查询数据集”，这是一个很大的亚马逊搜索查询和结果的大型数据集，以促进研究以提高搜索结果的质量，以促进研究。该数据集包含大约1.3万个独特的查询和260万手动标记（查询，产品）相关性判断。该数据集具有多语言，其中包括英语，日语和西班牙语的查询。购物查询数据集用于KDDCUP'22挑战之一。在本文中，我们描述了数据集并介绍了三个评估任务以及基线结果：（i）对结果列表进行排名，（ii）将产品结果分类为相关性类别，以及（iii）确定给定查询的替代产品。我们预计这些数据将成为产品搜索主题的未来研究的黄金标准。
translated by 谷歌翻译
Monolith软件应用程序将所有功能功能封装到单个可部署单元中。虽然甚至在整料中，有意保持函数的清洁分离，但它们往往会因对新功能而不断增长的需求，改变团队成员，艰难的时间表，技能，技能等等等待而受到损害。他们难以理解和维护。因此，微服务架构越来越多地用于通过多个较小的尺寸小型耦合的功能服务构建应用程序，其中每个服务拥有单一的功能责任。这种方法使MicroServices架构作为基于云应用的自然选择。但是，对于已经写入的纪线代码的功能模块自动分离的挑战会减慢其迁移任务。图形是代表软件应用程序的自然选择。各种软件工件如程序，表和文件成为图表中的节点以及它们共享的不同关系，例如函数调用，继承，资源（表，文件）访问类型（创建，读取，更新，删除）可以表示为链接在图表中。因此，我们将这种传统的应用程序分解问题推断到基于异构图形的聚类任务。我们的解决方案是首先利用异构图形神经网络来学习这种多样化的软件实体的表示及其对聚类任务的关系。我们通过与软件工程和现有的基于图表表示技术的作品进行比较来研究效果。我们试验以像java的面向对象的语言编写的应用程序，如cobol等程序语言，并显示我们的工作适用于不同的编程范例。
translated by 谷歌翻译
图形神经网络（GNN）是一个强大的工具，可以在图形上执行标准机器学习。为了在非欧几里德图形数据中的每个节点的欧几里德表示，GNN沿着图形的边缘递归地遵循邻域聚合和信息的组合。尽管文献中具有许多GNN变体，但没有模型可以处理具有间隔值的节点的图形。本文提出了一个间隔valuedPraph神经网络，这是一个新的GNN模型，在其中，首次放松了特征空间的限制。由于任何可数集始终是通用集合$ r ^ {n} $的子集，我们的模型比现有模型更为一般。这里，为了处理间隔值的特征向量，我们提出了一种新的间隔聚合方案，并表现出其捕捉不同间隔结构的表现力。我们通过将其性能与在多个基准网络和合成数据集上的最先进模型的性能进行比较，验证了我们对图形分类任务的模型的理论调查结果。
translated by 谷歌翻译
冷冻电子断层扫描（Cryo-et）是一种3D成像技术，可以在近原子分辨率下原位地置于亚细胞结构。细胞冷冻剂图像有助于解决大分子的结构并在单个细胞中确定它们的空间关系，这对细胞和结构生物学具有广泛的意义。体摩数分类和识别构成了这些大分子结构的系统恢复的主要步骤。已被证明监督深度学习方法对重组分类进行高度准确和高效，而是由于缺乏注释数据而受到有限的适用性。虽然生成用于训练监督模型的模拟数据是潜在的解决方案，但与真实实验数据相比，生成数据中的图像强度分布的相当差异将导致训练有素的模型在预测真实错误谱图上预测类别中的差。在这项工作中，我们呈现了低温，一个完全无监督的域适应和随机化框架，用于深入学习的跨域重组分类。我们使用无监督的多逆境域适应来减少模拟和实验数据的特征之间的域移位。我们使用“翘曲”模块开发网络驱动的域随机化过程，以改变模拟数据，并帮助分类器在实验数据上更好地推广。我们不使用任何标记的实验数据来训练我们的模型，而一些现有的替代方法需要标记为跨域分类的实验样本。然而，在本文在本文中，使用两种模拟和实验数据在本文中显示的广泛评估研究中的横域重组分类中现有的替代方法的优先效果优异。
translated by 谷歌翻译