合奏学习在机器学习方面取得了成功，比其他学习方法具有重大优势。袋装是一种突出的合奏学习方法，它创建了被称为袋子的数据子组，该数据被单独的机器学习方法（例如决策树）培训。随机森林是学习过程中具有其他功能的袋装的重要例子。 \ textColor {black} {当单个学习者具有较高的偏见时，包装的限制是汇总预测中的高偏置（模型不足）。}进化算法已突出用于优化问题，并且也用于机器学习。进化算法是无梯度的方法，具有多种候选解决方案，可维持创建新解决方案的多样性。在传统的包装合奏学习中，制作了一次袋子，而在培训示例方面，内容是在学习过程中固定的。在我们的论文中，我们提出了进化装袋的合奏学习，我们利用进化算法来发展袋子的内容，以通过迭代袋中提供多样性来增强合奏。结果表明，在某些约束下，我们的进化合奏装袋方法优于几个基准数据集的常规合奏方法（包装和随机森林）。进化装袋可以固有地维持一套不同的行李，而无需牺牲任何数据。
translated by 谷歌翻译
在这里，从动态大数据产生实验的深度学习分析，我们报告动态断裂韧性以及双连续纳米结构共聚物，聚脲的粘性参数。我们首先发明了一种新型动态线图像剪切干涉干涉仪（DL-ISI），其可以在单板冲击实验中沿着样品后表面的一条线产生位移梯度时间曲线，这些裂缝覆盖单板冲击实验中的裂缝启动和生长过程。然后，我们提出了一种基于卷积神经网络（CNN）的深度学习框架，可以反向确定来自DL-ISI条纹图像的准确凝聚参数。已经进行了具有中间平面裂缝的聚脲样品上的板冲击实验，并且产生的DL-ISI边缘图像已被条件生成的对抗网络（CGAN）染色。首当，通过具有计算数据集的预先训练的CNN架构成功地获得了Polyurea的动态粘性参数，这与相关方法和线性裂缝力学估计一致。在多脲中发现表观动态增韧，其中粘性强度被发现比具有相同冲击速度的对称冲击下的泡出强度高几乎三倍。这些实验结果填补了在裂纹尖端附近的极端局部装载条件下对共聚物的合作失效强度的目前了解的差距。该实验还展示了大数据发电实验的优点，它与最先进的机器学习算法相结合的创新的高通量实验技术。
translated by 谷歌翻译
本文介绍了与平面腿机器人一起使用的支持和恢复系统的设计和控制。系统以三种模式运行。首先，它可以以完全透明的模式操作，其中没有力被应用于机器人。在这种模式下，系统遵循机器人，以便在需要时能够快速捕获机器人。其次，它可以提供垂直支撑力以在操作期间提供机器人。第三，它可以抓住机器人并在未能避免跌倒和相关损害后将其从地面拉开。在此模式下，系统在允许运行多个连续试验的试验后自动重置机器人，无需手动干预。通过致动电缆和滑轮系统将支撑力应用于机器人，该电缆和滑轮系统使用串联弹簧串联弹性致动，以实现真正透明的操作。该系统的非线性性质需要仔细设计控制器，以确保可预测的安全行为。在本文中，我们介绍了恢复系统的机电调整设计，开发合适的控制器，并评估了BipeDal Robot Ramone上的系统性能。
translated by 谷歌翻译
用于评估人工数据的因果模型发现的两个最常用的标准是从真实模型到学习模型的编辑距离和kullback-Leibler分歧。这两个度量都最大衡奖励真实模型。但是，我们认为他们既不充分辨别判断虚假模型的相对优点。例如，编辑距离未能区分强大和弱概率依赖关系。另一方面，kl发散同样地奖励所有统计上等同的模型，无论其不同的因果索赔如何。我们提出了一种增强的KL发散，我们称之为因果KL（CKL），这考虑了区分了观测到等效模型的因果关系。结果显示为CKL的三种变体，显示出在实践中运作良好的因果kl。
translated by 谷歌翻译
组织病理学分析是对癌前病变诊断的本金标准。从数字图像自动组织病理学分类的目标需要监督培训，这需要大量的专家注释，这可能是昂贵且耗时的收集。同时，精确分类从全幻灯片裁剪的图像斑块对于基于标准滑动窗口的组织病理学幻灯片分类方法是必不可少的。为了减轻这些问题，我们提出了一个精心设计的条件GaN模型，即hostogan，用于在类标签上合成现实组织病理学图像补丁。我们还研究了一种新颖的合成增强框架，可选择地添加由我们提出的HADOGAN生成的新的合成图像补丁，而不是直接扩展与合成图像的训练集。通过基于其指定标签的置信度和实际标记图像的特征相似性选择合成图像，我们的框架为合成增强提供了质量保证。我们的模型在两个数据集上进行评估：具有有限注释的宫颈组织病理学图像数据集，以及具有转移性癌症的淋巴结组织病理学图像的另一个数据集。在这里，我们表明利用具有选择性增强的组织产生的图像导致对宫颈组织病理学和转移性癌症数据集分别的分类性能（分别为6.7％和2.8％）的显着和一致性。
translated by 谷歌翻译
我们提出了一种能够跟踪高度侵略性轨迹的新的四轮电路几何控制方案。我们的几何控制器使用所以（3）的对数图来表达Lie代数中的旋转误差，并且我们表明它是全球有吸引力的，而无需复杂的混合切换方案。我们展示了我们的控制器在模拟实验中对高侵袭性轨迹的表现。另外，我们介绍了该控制器的适应，该控制器允许我们在板载飞行控制单元上有效地接口角速率控制器，并显示这种适当的控制方案在四轮硬件平台上跟踪激发轨迹的能力。
translated by 谷歌翻译
商业建筑约占美国总消耗的35％，其中近三分之二的化石燃料对环境产生了不利影响。通过控制闭环建筑环境中的乘员插头使用量来降低能源消耗，可以通过降低能源消耗来减轻这种不利影响。在这项工作中，我们进行了多个实验，以分析由于激励措施和/或视觉反馈而导致的乘员插头能量消耗的变化。这些激励措施需要以随机顺序管理的每日货币价值在5至50美元之间，视觉反馈由一个基于网络的仪表板组成，旨在提高参与者的能量意识。在位于加利福尼亚州莫菲特菲尔德的NASA AMES研究公园的政府办公室和大学建筑物中进行了实验。构建自回旋模型以预测存在外源变量的预期插头节省。对数据的分析显示，可以通过视觉反馈和激励机制来实现插头能量消耗的调节，这表明在循环控制架构中可能在商业建筑环境中有效。我们的发现表明，在办公室和大学环境中视觉反馈引起的平均能量降低分别约为9.52％和约21.61％。通过通过货币激励措施增强大学环境中的视觉反馈，发现平均减少能量为〜24.22％
translated by 谷歌翻译