深学习方法，已经在诸如图像分类和自然语言处理领域中的成功应用，最近被应用到源代码分析过，由于免费提供源代码（例如，从开源软件库）的巨大数额。在这项工作中，我们阐述在国家的最先进的方法来使用有关其句法结构信息的源代码表示，我们适应它代表源的变化（即，提交）。我们使用这种表示安全相关的分类提交。因为我们的方法是使用迁移学习（也就是我们训练的一个“借口任务”是可用的丰富的标签数据的网络，然后我们使用这样的网络提交分类的目标任务，为此，少标记实例可用）我们研究了前培训使用两种不同的借口任务与随机初始化模型的网络的影响。我们的研究结果表明，通过利用代码语法跑赢基于令牌的表示得到的结构信息表示。此外，具有非常大的数据集上的松散的相关任务借口训练前时所获得的性能度量（$> 10 ^ 6个$样品）上的更小的数据集训练前当超过（$> 10 ^ 4 $样品）但对于一个借口任务更密切相关的目标任务。
translated by 谷歌翻译
机器人系统的远程操作用于精确而精致的物体抓握需要高保真的触觉反馈，以获取有关抓握的全面实时信息。在这种情况下，最常见的方法是使用动力学反馈。但是，单个接触点信息不足以检测软件的动态变化形状。本文提出了一个新型的远程触发系统，该系统可为用户的手提供动感和皮肤刺激，以通过灵敏地操纵可变形物体（即移液器）来实现准确的液体分配。实验结果表明，为用户提供多模式触觉反馈的建议方法大大提高了用远程移液器的剂量质量。与纯视觉反馈相比，当用户用多模式触觉界面与视觉反馈混合使用多模式触觉接口时，相对给药误差减少了66 \％，任务执行时间减少了18 \％。在CoVID-19，化学实验，有机材料和伸缩性的抗体测试期间，可以在精致的给药程序中实施该提出的技术。
translated by 谷歌翻译
本文探讨了多条件对抗网络用于SAR-EO图像翻译。以前的方法仅在输入SAR上条件对抗网络。我们表明，结合多种互补方式，例如Google Maps和IR可以进一步改善SAR-EO图像翻译，尤其是在保留人造物体的锋利边缘方面。我们证明了我们的方法在包括SEN12MS，DFC2020和SpaceNet6在内的各种数据集中的有效性。我们的实验结果表明，与仅在配对SAR和EO数据中训练的模型相比，互补方式提供的其他信息可改善SAR-EO图像翻译的性能。据我们所知，我们的方法是第一个利用多种方式来改善SAR-EO图像翻译性能。
translated by 谷歌翻译
通过一系列联邦举措和命令，美国政府一直在努力确保美国在AI中的领导。这些广泛的战略文件影响了美国空军美国部（DAF）等组织。DAF-MIT AI加速器是DAF和MIT之间的一项计划，以弥合AI研究人员与DAF任务要求之间的差距。DAF-MIT AI加速器支持的几个项目正在开发公共挑战问题，这些问题解决了许多联邦AI研究的重点。这些挑战是通过公开可用的大型AI-Ready数据集，激励开源解决方案，并为可以激发进一步研究的双重使用技术创建需求信号，来针对优先事项。在本文中，我们描述了正在开发的这些公共挑战以及它们的应用如何促进科学进步。
translated by 谷歌翻译
我们介绍了Spotcheck，这是一个用于生成用于评估图像分类器中盲点（即系统错误）方法的合成数据集的框架。我们使用Spotcheck进行对照研究，了解各种因素如何影响盲点发现方法的性能。我们的实验揭示了现有方法的几个缺点，例如在具有多个盲点的设置中的性能相对较差，并且对超参数的敏感性。此外，我们发现一种基于降低性的方法Planespot与现有方法具有竞争力，这对交互式工具的开发具有希望。
translated by 谷歌翻译
从许多科目中，从一系列文本中提取频繁的单词都在很大程度上进行。另一方面，提取短语通常是由于提取短语时固有的并发症而进行的，最重要的并发症是双计数的并发症，当单词或短语出现在较长的短语中时，它们也被计算在内。已经写了几篇关于这一问题解决方案的短语挖掘的论文。但是，他们要么需要一个所谓的质量短语列表，要么可以用于提取过程，要么需要人类的互动来在此过程中识别这些质量短语。我们提出了一种消除双重计数的方法，而无需识别质量短语列表。在一组文本的上下文中，我们将主短语定义为不交叉标点标记的短语，不以停止词开头用停止单词，在这些文本中经常出现，而无需双重计数，并且对用户有意义。我们的方法可以独立地识别这种主短语而无需人类投入，并可以从任何文本中提取。已经开发了一个称为PHM的R软件包，以实现此方法。
translated by 谷歌翻译
在各种地形上进行运动的能力对于腿部机器人至关重要。但是，机器人必须更好地了解其在不同地形上进行强大运动的表面。动物和人类能够在脚上的触觉感觉的帮助下识别表面。虽然，腿部机器人的脚触觉感觉并没有得到太多探索。本文介绍了针对触觉脚（TSF）的新型四足机器人Dogtouch的研究。 TSF允许使用触觉传感器和卷积神经网络（CNN）识别不同的表面纹理。实验结果表明，我们训练有素的基于CNN的模型的足够验证精度为74.37 \％，对线模式的90 \％\％的识别最高。将来，我们计划通过呈现各种模式深度的表面样本并应用高级深度学习和浅层学习模型来改善预测模型。此外，我们提出了一种新颖的方法，用于导航四倍和腿部机器人。我们可以安排触觉铺路纹理表面（类似于盲人或视障人士）。因此，只需识别将指示直路，左或右转弯，行人穿越，道路等的特定触觉图案，就可以在未知环境中进行运动，无论光线如何，都可以允许强大的导航。配备了视觉和触觉感知系统的未来四足机器人将能够在非结构化的室内和室外环境中安全，智能地导航和交互。
translated by 谷歌翻译
现代行业仍依靠手动制造业务，安全的人机互动现在是非常兴趣的。速度和分离监测（SSM）允许通过在机器人操作期间维持保护分离距离来实现紧密和高效的协作情景。本文侧重于一种新的方法来加强对机器人手段的触觉反馈来加强SSM安全要求。基于机器人和操作员的人的反应时间和瞬时速度，触觉刺激为机器人提供了危险运动和接近机器人的早期警告。进行初步实验以确定参与者在具有受控条件的协作环境中暴露于触觉刺激时的反应时间。在第二次实验中，我们将我们的方法评估为人工和Cobot进行协同行星齿轮组件的研究案例。结果表明，与仅在视觉反馈的操作员相比，施加的方法增加了机器人的末端效应器之间的平均最小距离，手中的末端效应器与44％增加了44％。此外，没有触觉支持的参与者已经失败了几次以维持保护性分离距离。
translated by 谷歌翻译