深层神经网络（DNN）在各种任务中的应用需要应对这些架构的复杂和不透明性质的方法。当有黄金标准可用时，性能评估将DNN视为黑匣子，并根据将预测与地面真相的比较进行计算标准指标。对性能的更深入的了解需要超越此类评估指标来诊断模型行为和预测错误。可以通过两种互补的方式实现此目标。一方面，模型解释技术“打开框”并评估输入，内层和输出之间的关系，以识别最有可能导致性能损失的体系结构模块。另一方面，黑框错误诊断技术研究了模型响应与未用于训练的输入的某些属性之间的相关性，以确定使模型失败的输入的特征。两种方法都提供了有关如何改善体系结构和/或培训过程的提示。本文着重于将DNNS应用于计算机视觉（CV）任务，并介绍了支持Black-Box性能诊断范式的工具的调查。它说明了当前建议的特征和空白，讨论了相关的研究方向，并简要概述了CV以外的其他部门的诊断工具。
translated by 谷歌翻译
Quantum Machine Learning (QML) shows how it maintains certain significant advantages over machine learning methods. It now shows that hybrid quantum methods have great scope for deployment and optimisation, and hold promise for future industries. As a weakness, quantum computing does not have enough qubits to justify its potential. This topic of study gives us encouraging results in the improvement of quantum coding, being the data preprocessing an important point in this research we employ two dimensionality reduction techniques LDA and PCA applying them in a hybrid way Quantum Support Vector Classifier (QSVC) and Variational Quantum Classifier (VQC) in the classification of Diabetes.
translated by 谷歌翻译
最近在语义Web本体论的背景下研究了受控查询评估（CQE）。 CQE的目标是隐藏一些查询答案，以防止外部用户推断机密信息。通常，存在多种隐藏答案的多种无与伦比的方法，并且先前的CQE方法提前选择了哪些答案是可见的，哪些是不可见的。相反，在本文中，我们研究了一种动态CQE方法，即，我们建议根据对先前的评估更改当前查询的答案。我们的目标是最大程度地合作，除了能够保护机密数据之外，该系统除了能够保护机密数据，这意味着它可以肯定地回答了尽可能多的查询；它通过尽可能延迟答案修改来实现这一目标。我们还表明，我们无法通过静态方法（独立于查询历史记录）在直觉上模拟这种行为。有趣的是，对于通过拒绝表达的OWL 2 QL本体和策略，我们的语义下的查询评估是一阶重写，因此在数据复杂性中是AC0。这为开发实用算法铺平了道路，我们在本文中也初步讨论了这一算法。
translated by 谷歌翻译
关于组合优化的机器学习的最新作品表明，基于学习的方法可以优于速度和性能方面的启发式方法。在本文中，我们考虑了在定向的无环图上找到最佳拓扑顺序的问题，重点是编译器中出现的记忆最小化问题。我们提出了一种基于端到端的机器学习方法，用于使用编码器框架，用于拓扑排序。我们的编码器是一种基于注意力的新图形神经网络体系结构，称为\ emph {topoformer}，它使用DAG的不同拓扑转换来传递消息。由编码器产生的节点嵌入被转换为节点优先级，解码器使用这些嵌入，以生成概率分布对拓扑顺序。我们在称为分层图的合成生成图的数据集上训练我们的模型。我们表明，我们的模型的表现优于或在PAR上，具有多个拓扑排序基线，同时在最多2K节点的合成图上明显更快。我们还在一组现实世界计算图上训练和测试我们的模型，显示了性能的改进。
translated by 谷歌翻译
解决纳米级的形态学化相变对各种学科的许多科学和工业应用至关重要。通过组合全场传输X射线显微镜（TXM）和X射线吸收附近边缘结构（XANES）的TXM-XANES成像技术是通过获取具有多能量X的一系列显微镜图像来操作的新兴工具 - 接合并配合以获得化学图。然而，由于系统误差和用于快速采集的低曝光照明，其能力受到差的信噪比差的限制。在这项工作中，通过利用TXM-XANES成像数据的内在属性和子空间建模，我们引入了一种简单且坚固的去噪方法来提高图像质量，这使得能够快速和高灵敏度的化学成像。对合成和实时数据集的广泛实验证明了该方法的优越性。
translated by 谷歌翻译
域和部署设置的机器学习模型的快速增殖使各种社区（例如行业从业人员）引起，该社区寻求跨个人价值的任务和目标的基准模型。不幸的是，这些用户不能使用标准基准导致执行如传统基准的价值驱动的比较，因为传统的基准在单个目标（例如平均精度）上评估模型，并且无法促进控制混淆变量（例如计算预算）的标准化训练框架（例如计算预算），使公平比较困难。为解决这些挑战，我们介绍了开源Ludwig基准测试工具包（LBT），一个个性化基准工具包，用于运行端到端的基准研究（从超级计量优化到评估），跨易于扩展的任务，深度学习模型，数据集和评估指标。 LBT提供了一种可配置的界面，用于控制培训和定制评估，是消除混淆变量的标准化培训框架，以及支持多目标评估。我们展示LBT如何用于创建个性化基准研究，具有7个模型和9个数据集的文本分类的大规模比较分析。我们探讨推理延迟和性能之间的权衡，数据集属性和性能之间的关系，以及预先介绍对融合和鲁棒性的影响，展示了LBT如何用于满足各种基准测试目标。
translated by 谷歌翻译