由于最近在处理速度和数据采集和存储方面的进步,机器学习(ML)正在渗透我们生活的方方面面,并从根本上改变了许多领域的研究。无线通信是另一个成功的故事 - 在我们的生活中无处不在,从手持设备到可穿戴设备,智能家居和汽车。虽然近年来在为各种无线通信问题利用ML工具方面看到了一系列研究活动,但这些技术对实际通信系统和标准的影响还有待观察。在本文中,我们回顾了无线通信系统中ML的主要承诺和挑战,主要关注物理层。我们提出了ML技术在经典方法方面取得的一些最令人瞩目的近期成就,并指出了有希望的研究方向,其中ML可能在不久的将来产生最大的影响。我们还强调了在无线网络边缘设计物理层技术以实现分布式ML的重要问题,这进一步强调了理解和连接ML与无线通信中的基本概念的需要。
translated by 谷歌翻译
最近的研究表明,强化学习(RL)代理易受对抗操纵,类似于先前在监督环境中证明的脆弱性。因此,重点仍然是计算机视觉和完全可观察性。本文侧重于软件定义网络(SDN)中自主防御环境下的强化学习。我们证明了攻击性攻击 - 针对训练过程的攻击 - 即使攻击者只能对环境进行部分可观察,也会毒害RL攻击者。此外,我们提出了一种反演防御方法,旨在将相反的扰动应用于攻击者可能用于生成其对抗样本的那种。我们的实验结果表明,对策可以有效地减少攻击性攻击的影响,同时不会显着影响训练过程中的无创攻击场景。
translated by 谷歌翻译
机器人辅助治疗(RAT)已经成功地用于HRI研究,其中包括社交机器人在医疗保健干预中,因为它们能够吸引人类用户的社交和情感维度。该主题的研究项目遍布全球,遍及美国,欧洲和亚洲。所有这些项目都有一个雄心勃勃的目标,即增加无辜人口的福祉。 RAT的典型工作是使用遥控机器人进行的;一种名为Wizard of of Oz(WoZ)的技术。机器人通常由操作人员控制,患者不知道。然而,从长远来看,WoZ已被证明不是一种可持续发展的技术。为机器人提供自主权(同时保持在治疗师的监督下)有可能减轻治疗师的负担,不仅在治疗方面本身,而且在长期诊断任务中。因此,需要探索在治疗中使用的社交机器人的几个自治程度。增加机器人的自主权也可能带来一系列新的挑战。特别是,需要回答新的道德问题,即使用弱势群体的机器人,以及需要确保符合道德规范的机器人行为。因此,在本次研讨会中,我们希望收集研究结果并探索哪种程度的自主权可能有助于改善医疗保健干预措施,以及我们如何克服其固有的道德挑战。
translated by 谷歌翻译
广泛使用的循环单元,包括长短期记忆(LSTM)和门控循环单元(GRU),在自然语言任务上表现良好,但是学习结构化表示的可行性仍然值得怀疑。 ExploitingTensor Product Representations(TPRs)---符号结构的分布式表示,其中向量嵌入符号被绑定到向量嵌入的结构位置---我们提出了TPRU,一个循环单元,在每个时间步骤,显式执行结构 - 角色绑定和绑定将结构信息纳入学习的操作。在逻辑实施任务和多类型自然语言推理(MNLI)任务上进行实验,并且我们的TPR衍生的复现单元提供强大的性能,与LSTM和GRU基线相比显着更少的参数。此外,我们学习的TPRU培训了MNLI,证明了对下游任务的可靠的泛化能力。
translated by 谷歌翻译
尽管机器学习(ML)成功应用于广泛的领域,但适应性 - 使机器学习成为可取的特性 - 可被对手利用来污染培训和逃避分类。在本文中,我们研究了应用特定类机器学习算法的可行性,即强化学习(RL)算法,用于软件定义网络(SDN)中的自主网络防御。特别是,我们关注的是RL代理如何对导致其训练过程中毒的不同形式的致病攻击作出反应,包括不加区别的和有针对性的白盒和黑盒攻击。此外,我们还研究了攻击时机的影响,并探讨了对抗性训练等潜在的对策。
translated by 谷歌翻译
音节在语音合成,语音识别和语音文档检索中发挥着重要作用。提出了一种新颖的,低成本的,语言不可知的方法,将单词分解为相应的音节。一种hybridgenetic算法构建了手机优化forsyllabification的分类。该分类在隐藏的马尔可夫模型序列分类器之上使用以找到音节边界。该技术在英语单词训练和测试时显示出有希望的初步结果。
translated by 谷歌翻译
我们在广泛的开放域应用程序的背景下提出了建议挖掘任务的正式定义。人类对theterm \ emph {suggestion}的看法是主观的,这会影响为建议挖掘任务准备手工标记的数据集。现有工作要么缺乏正式的问题定义和注释程序,要么提供域和应用程序特定的定义。此外,许多以前使用的手动标记数据集仍然是专有的。我们首先提出了一个注释研究,并基于我们的观察提出了一个正式的任务定义和注释程序,用于为建议挖掘创建基准数据集。通过此研究,我们还提供了公开可用的标记数据集,用于在多个域中进行建议。
translated by 谷歌翻译
心血管磁共振(CMR)扫描的有效性取决于操作者正确地调整被扫描对象的采集参数以及诸如心脏和呼吸运动的成像艺术的潜在发生的能力。在临床实践中,通过对获得的图像进行视觉评估来执行质量控制步骤:然而,该过程强烈依赖于操作者,麻烦且有时与临床设置和大规模研究中的时间限制不兼容。我们为CMR图像提供了一种快速,全自动,基于学习的质量控制管道,特别适用于短轴图像堆栈。我们的管道执行三项重要质量检查:1)心脏覆盖率估计,2)切片间运动检测,3)心脏区域中的图像对比度估计。该管道使用混合决策森林方法 - 整合回归和结构化分类模型 - 从长轴和短轴图像中提取地标以及概率分割图作为执行质量检查的绿洲。该技术在来自英国生物银行的多达3000个案例以及来自英国数字心脏项目的100个案例中进行了测试,并通过专家口译人员进行了手动注释和目视检查的验证。结果显示所提出的管道能够正确检测不完整或损坏的扫描(例如,UKBiobank,灵敏度和特异性分别为心脏覆盖率估计的88%和99%,运动检测的85%和95%),允许从分析的数据集中包含或排除触发新的收购。
translated by 谷歌翻译
The proliferative activity of breast tumors, which is routinely estimated bycounting of mitotic figures in hematoxylin and eosin stained histologysections, is considered to be one of the most important prognostic markers.However, mitosis counting is laborious, subjective and may suffer from lowinter-observer agreement. With the wider acceptance of whole slide images inpathology labs, automatic image analysis has been proposed as a potentialsolution for these issues. In this paper, the results from the Assessment ofMitosis Detection Algorithms 2013 (AMIDA13) challenge are described. Thechallenge was based on a data set consisting of 12 training and 11 testingsubjects, with more than one thousand annotated mitotic figures by multipleobservers. Short descriptions and results from the evaluation of eleven methodsare presented. The top performing method has an error rate that is comparableto the inter-observer agreement among pathologists.
translated by 谷歌翻译
排名模型通常被设计为提供排名,以优化对用户的即时效用的一些测量。结果,他们无法预料到他们提出的排名会产生越来越多的不良长期后果,从推动错误信息的传播和增加两极分化到有辱人格的社会话语。我们是否可以设计能够理解其提议排名后果的排名模型,更重要的是能够避免不受欢迎的排名吗?在本文中,我们首先使用Markovdecision过程引入排名和用户动态的联合表示。然后,我们证明了这种表示极大地简化了构建相应的排序模型,这些模型利用了直接性和长期福利。特别是,我们可以通过对最大化即时效用度量的模型提供的排名应用加权抽样来获得最优的相关排名。然而,实际上,这种策略可能效率低且不切实际,特别是在高维场景中。为了克服这个问题,我们引入了一种有效的基于梯度的算法来学习参数化的结果排序模型,该模型有效地接近最优的排序模型。我们使用从Reddit收集的合理和真实数据展示我们的方法,并显示使用我们的方法得到的排名模型提供了可以减轻信息传播和提高在线讨论文明的等级。
translated by 谷歌翻译