在学术界，抄袭肯定不是一个新兴的关注，但它随着互联网的普及和对全球内容来源的易于访问而变得更大的程度，使人类干预不足。尽管如此，由于计算机辅助抄袭检测，抄袭远远远非是一个未被解除的问题，目前是一个有效的研究领域，该研究落在信息检索（IR）和自然语言处理（NLP）领域。许多软件解决方案有助于满足这项任务，本文概述了用于阿拉伯语，法国和英语学术和教育环境的抄袭检测系统。比较在八个系统之间持有，并在检测不同来源的三个混淆水平的特征，可用性，技术方面以及它们的性能之间进行：逐字，释义和跨语言抄袭。在本研究的背景下也进行了对技术形式的抄袭技术形式的关注检查。此外，还提供了对不同作者提出的抄袭类型和分类的调查。
translated by 谷歌翻译
我们提出了一个通用，灵活和可扩展的框架DPART，这是一个开源python库，用于私人合成数据生成。该方法的核心是自回旋建模 - 将联合数据分布分配到一系列较低维的条件分布序列，这些分布由各种方法（例如机器学习模型（逻辑/线性回归，决策树）等）捕获，简单直方图，简单直方图，或定制技术。该图书馆的创建是为了作为快速且可访问的基线以及容纳广泛的用户，从综合数据生成的第一步到具有域专业知识的经验丰富的人，他们可以配置不同方面建模并贡献新的方法/机制。DPART的特定实例包括独立，优化版本的Privbayes和新提出的模型DP-SynthPop。代码：https：//github.com/hazy/dpart
translated by 谷歌翻译
为了在工业生产中更广泛地采用AI，足够的基础设施能力至关重要。这包括简化AI与工业设备的集成，对分布式部署，监视和一致的系统配置的支持。现有的IIOT平台仍然缺乏以开放的，基于生态系统的方式灵活整合可重复使用的AI服务和相关标准（例如资产管理壳或OPC UA）的功能。这正是我们采用高度可配置的基于低代码的方法来解决我们下一个级别的智能工业生产生产生产Ecosphere（IIP-Ecosphere）平台所解决的问题。在本文中，我们介绍了该平台的设计，并根据启用AI支持的视觉质量检查的演示者讨论了早期评估。在这项早期评估活动中，学到的见解和教训补充了这一点。
translated by 谷歌翻译
在这项研究中，我们提出了使用深度学习方法进行多模式模因分类的特征提取。模因通常是一张照片或视频，其中年轻一代在社交媒体平台上共享文本，表达了与文化相关的想法。由于它们是表达情感和感受的有效方法，因此可以对模因背后的情绪进行分类的好分类器很重要。为了使学习过程更有效，请减少过度拟合的可能性，并提高模型的普遍性，需要一种良好的方法来从所有模式中提取共同特征。在这项工作中，我们建议使用不同的多模式神经网络方法进行多模式特征提取，并使用提取的功能来训练分类器以识别模因中的情感。
translated by 谷歌翻译
可穿戴机器人技术的潜力是不可否认的。但是，量化其价值是困难的。已经开发出各种类型的外骨骼机器人，并对上肢康复进行了测试，但是，评估不是标准化的，特别是在儿科康复中。本文提出了一种方法论，对上肢外骨骼的定量评估，如测试台，将用于可复制的测试。我们确定了使用运动学建模和实验测量的运动范围（ROM）和联合扭矩（使用集成到Dyandixel执行器中的传感器）。所提出的测试台可以在旋钮求求（PS）任务期间提供精确的运动（ROM）和联合扭矩范围。在PS任务期间，用物理原型获得的运动范围大约为156.26±4.71 {\ DEG}，而多体模型为约146.84 + -14.32 {\ deg}。结果表明，与模拟扭矩（0.2 + - 0.05nm）的平均范围相比，平均实验扭矩（0.28±0.06nm）的平均实验扭矩（0.28±0.06nm）的高度升高为40％，仅为3.4％模拟扭矩（0.29 nm）。对于实验测量，在会话之间的会话和优异（0.93）或优秀（0.93）或良好（0.81-0.86）之间，测试 - 保持可靠性优异（0.96-0.98）。最后，建议的方法提供了靠近PS任务期间必要的普通ROM的ROM。这些结果验证了测量的准确性并强调了所提出的方法的相关性。所提出的测试台可以成为评估外骨骼的参考标准。本研究还解决了一种方法论方面，即准确评估了联合扭矩，可用于诸如外骨骼中致动器的尺寸或人体中肌肉力的非侵入性评估的应用中的应用。
translated by 谷歌翻译
为了保持信息迹象并长大，婴儿大脑必须解决旧信息所在的问题以及如何索引新的问题。我们提出未成熟的前额定皮层（PFC）使用其在时间信号中检测分层模式的主要功能作为第二目的，以组织发展大脑本身中的皮质网络的空间排序。我们的假设是PFC以序数图案的形式检测时间序列中的分层结构，并在大脑的不同部分中使用它们来索引信息。从此，我们建议检测模式的这种机制参与大脑本身的序数组织发展;即，The Connectome的启动。通过这样做，它为语言准备好的大脑提供了用于操纵抽象知识和规划时间有序信息的工具;即，象征性思维和语言的出现。我们将审查可以支持此类机制并提出新的神经模型。我们将面对我们的思想，从发育，行为和大脑结果中的证据，例如，在镜子神经元系统的建造上进行一些假设，体现了认知，以及学习的能力。
translated by 谷歌翻译