联合学习通常用于容易获得标签的任务（例如，下一个单词预测）。放松这种约束需要设计无监督的学习技术，该技术可以支持联合培训的理想特性：稳健性对统计/系统异质性，可伸缩性与参与者数量以及沟通效率。关于该主题的先前工作集中在直接扩展集中式的自我监督学习技术上，这些学习技术并非旨在具有上面列出的属性。为了解决这种情况，我们提出了乐团，这是一种新颖的无监督联盟学习技术，利用联邦的层次结构来协调分布式的聚类任务，并将客户数据对客户数据的全球始终划分为可区分的群集。我们显示了管弦乐队中的算法管道可确保在线性探针下良好的概括性能，从而使其在广泛的条件下胜过替代技术，包括异质性，客户次数，参与率和本地时期的变化。
translated by 谷歌翻译
灾难性忘记破坏了深神网络（DNN）在诸如持续学习和终身学习等方案中的有效性。尽管已经提出了几种解决这个问题的方法，但有限的工作解释了为什么这些方法效果很好。本文的目的是更好地解释一种避免灾难性遗忘的普遍使用的技术：二次正则化。我们表明，二次正规化器可以通过在每次训练迭代时插值当前和先前的值来忘记过去的任务。在多次训练迭代中，这种插值操作降低了更重要的模型参数的学习率，从而最大程度地减少了它们的运动。我们的分析还揭示了二次正则化的两个缺点：（a）参数插值对训练超参数的依赖性通常会导致训练不稳定性，并且（b）（b）将较低的重要性分配到更深的层，这通常是DNNS中遗忘的地方。通过对操作顺序的简单修改，我们表明可以轻松避免这些缺点，从而在4.5％降低平均遗忘时的平均准确度增加6.2 \％。我们通过在不同的环境中培训2000多个模型来确认结果的鲁棒性。可在\ url {https://github.com/ekdeepslubana/qrforgetting}上获得代码
translated by 谷歌翻译
使用相对比心脏磁共振成像（PC-CMR）进行的流量分析可以量化用于评估心血管功能的重要参数。该分析的重要部分是鉴定正确的CMR视图和质量控制（QC），以检测可能影响流量定量的伪像。我们提出了一个新型的基于深度学习的框架，用于对完整CMR扫描的流量进行完全自动化的分析，该框架首先使用两个顺序卷积神经网络进行这些视图选择和QC步骤，然后进行自动主动脉和肺动脉分段，以实现对量化的量化。钥匙流参数。对于观察分类和QC，获得了0.958和0.914的精度值。对于细分，骰子分数为$> $ 0.969，而平淡的altman情节表示手动和自动峰流量值之间的一致性很高。此外，我们在外部验证数据集上测试了管道，结果表明管道的鲁棒性。这项工作是使用由986例病例组成的多生临床数据进行的，表明在临床环境中使用该管道的潜力。
translated by 谷歌翻译
超声心动图图像质量评估不是经胸检查中的微不足道问题。随着对心脏结构的体内检查在心脏诊断方面的突出性，已经确认，准确诊断左心室功能取决于回声图像的质量。到目前为止，回声图像的视觉评估是高度主观的，需要在临床病理下进行特定的定义。尽管质量较差的图像损害了量化和诊断，但超声心动图图像质量标准的固有变化表明，在临床试验下，在临床试验下，尤其是在经验不足的心脏病学家下，在不同观察者之间面临的复杂性，并提供了明显的证据。在这项研究中，我们的目的是分析和定义专家主要讨论的特定质量属性，并提出一个完全训练的卷积神经网络模型，以客观地评估此类质量功能。
translated by 谷歌翻译
我们在GPU上实现了一种信任区域方法，用于使用称为JAX的新的深度学习Python库，用于非线性最小二乘曲线曲线拟合问题。我们的开源软件包JaxFit适用于无约束和约束曲线拟合问题，并允许仅在Python中定义拟合功能 - 而无需对GPU或CUDA编程的任何专业知识。由于JaxFit在GPU上运行，尽管非常易于使用，但它比基于CPU的库甚至其他基于GPU的库快得多。此外，由于JAX的深度学习基础，Jaxfit的信任区域算法中的Jacobian是通过自动分化计算的，而不是使用衍生近似值或要求用户定义拟合函数的部分导数。
translated by 谷歌翻译
可以使用X射线自由电子激光器的强脉冲和短脉冲直接通过单次相干衍射成像直接观察到自由飞行中孤立的纳米样品的结构和动力学。广角散射图像甚至编码样品的三维形态信息，但是该信息的检索仍然是一个挑战。到目前为止，只有通过与高度约束模型拟合，需要对单镜头实现有效的三维形态重建，这需要有关可能的几何形状的先验知识。在这里，我们提出了一种更通用的成像方法。依赖于允许凸多面体描述的任何样品形态的模型，我们从单个银纳米颗粒中重建广角衍射模式。除了具有高对称性的已知结构动机外，我们还检索了以前无法访问的不完美形状和聚集物。我们的结果为单个纳米颗粒的真实3D结构确定以及最终的超快纳米级动力学的3D电影开辟了新的途径。
translated by 谷歌翻译
手工和小规模的黄金开采（ASGM）是许多家庭的重要收入来源，但它可以产生巨大的社会和环境影响，尤其是在发展中国家的雨林中。Sentinel-2卫星收集了多光谱图像，可用于检测水位和质量的变化，这表明采矿地点位置。这项工作着重于对秘鲁亚马逊雨林中ASGM活动的认可。我们根据支持向量机（SVM）测试了几个半监督分类器，以检测Madre de Dios地区从2019年到2021年的水体变化，这是ASGM活动的全球热点之一。实验表明，基于SVM的模型可以实现RGB的合理性能（使用Cohen的$ \ kappa $ 0.49）和6通道图像（使用Cohen的$ \ kappa $ 0.71），具有非常有限的注释。还分析了合并实验室色彩空间的功效。
translated by 谷歌翻译
本文研究了马尔可夫决策过程（MDPS）中用于政策评估的数据收集问题。在政策评估中，我们获得了目标政策，并要求估计它将在正式作为MDP的环境中获得的预期累积奖励。我们通过首先得出了使用奖励分布方差知识的Oracle数据收集策略来开发在树结构MDPS中的最佳数据收集理论。然后，我们介绍了减少的方差采样（射击）算法，即当奖励方差未知并与Oracle策略相比，奖励方差未知并绑定其亚典型性时，它近似于Oracle策略。最后，我们从经验上验证了射手会导致与甲骨文策略相当的均衡误差进行政策评估，并且比仅仅运行目标策略要低得多。
translated by 谷歌翻译
对经济决策中情绪的作用，越来越感兴趣。然而，大多数关于该主题的研究都集中在积极和消极的效果上。定罪叙事理论（CNT）在真实世界决策中的核心逼近和避免情绪（驱动行动），并认为它更好地捕捉到金融市场中的情绪。这项研究介绍了心理学和机器学习，介绍了在基本含义的基本和负面情绪中区分方法和避免的新技术。它通过比较以前构造的单词列表来实现这一点，以捕获文本数据中的这些概念，横跨大量的语义功能。结果表明，特别是避免良好地定义为单独的情绪，这是评价/认知和自然的行动导向。根据这些功能炼制避免词列表改善了宏观经济模型，表明他们捕捉到避免的本质，并在驾驶真实的经济决策方面发挥着至关重要的作用。
translated by 谷歌翻译
尽管近期因因果推断领域的进展，迄今为止没有关于从观察数据的收集治疗效应估算的方法。对临床实践的结果是，当缺乏随机试验的结果时，没有指导在真实情景中似乎有效的指导。本文提出了一种务实的方法，以获得从观察性研究的治疗效果的初步但稳健地估算，为前线临床医生提供对其治疗策略的信心程度。我们的研究设计适用于一个公开问题，估算Covid-19密集护理患者的拳击机动的治疗效果。
translated by 谷歌翻译