在流行媒体中，人造代理商的意识出现与同时实现人类或超人水平智力的那些相同的代理之间通常存在联系。在这项工作中，我们探讨了意识和智力之间这种看似直观的联系的有效性和潜在应用。我们通过研究与三种当代意识功能理论相关的认知能力：全球工作空间理论（GWT），信息生成理论（IGT）和注意力模式理论（AST）。我们发现，这三种理论都将有意识的功能专门与人类领域将军智力的某些方面联系起来。有了这个见解，我们转向人工智能领域（AI），发现尽管远未证明一般智能，但许多最先进的深度学习方法已经开始纳入三个功能的关键方面理论。确定了这一趋势后，我们以人类心理时间旅行的激励例子来提出方式，其中三种理论中每种理论的见解都可以合并为一个单一的统一和可实施的模型。鉴于三种功能理论中的每一种都可以通过认知能力来实现这一可能，因此，具有精神时间旅行的人造代理不仅具有比当前方法更大的一般智力，而且还与我们当前对意识功能作用的理解更加一致在人类中，这使其成为AI研究的有希望的近期目标。
translated by 谷歌翻译
当分别从$ \ mathfrak {l} $ - subgaussian分布和重尾分布中，分别采样协变量和噪声时，我们考虑了线性回归系数的鲁棒和稀疏估计，并由对抗性和噪音污染异常值。我们处理两种情况：协变量的已知或未知协方差。特别是在前一种情况下，我们的估计器几乎达到了信息理论上的最佳错误绑定，而我们的错误界限比以前处理类似情况的研究更明显。我们的估计分析在很大程度上依赖于通用链条来得出急剧的误差界限。
translated by 谷歌翻译
研究了线性回归系数的稳健和稀疏估计。本文解决的情况是，协变量和噪音是从重型分布中取样的，而协变量和噪音被恶意异常值污染。我们的估计器可以有效地计算。此外，我们的估计误差绑定是鲜明的。
translated by 谷歌翻译
我们为日本医疗信息提取提供了一个开放式自然语言处理工具包。我们首先提出了一种新的关系注释架构，用于调查日本医疗报告中医学实体的医疗和时间关系。我们通过单独注释两种不同类型的报告来尝试实用的注释方案。我们设计了一个带有三个组件的管道系统，用于识别医疗实体，分类实体模式和提取关系。经验结果表明，准确的分析性能，提出了令人满意的注释质量，针对报告类型的有效注释策略，以及最新的上下文嵌入模型的优越性。
translated by 谷歌翻译
我们考虑对线性回归系数的强大估计。在本说明中，我们关注的是从$ l $ subgaussian分布以未知协方差进行取样的情况，从具有有界的绝对力矩的分布中采样了噪音，并且两个协方差和噪音都可能受到敌人的污染。我们得出一个估计误差结合，该误差取决于稳定的等级和协方差矩阵的条件数，具有估计的多项式计算复杂性。
translated by 谷歌翻译
当产出被对手污染时，我们认为稳健的低秩矩阵估计作为痕量回归。允许对手添加任意输出的任意值。这些价值可以取决于任何样本。我们处理矩阵压缩感，包括套索作为部分问题，矩阵完成，然后我们获得锐利估计错误界限。为了获得不同型号的错误界限，例如矩阵压缩感测和矩阵完成，我们提出了一种简单的统一方法，基于Huber损失函数和核规范惩罚的组合，这是传统方法的不同方法。在本文件中获得的一些错误界限比过去的误差。
translated by 谷歌翻译