胶质瘤是最常见的原发性脑恶性肿瘤,具有不同程度的侵袭性,可变预后和各种异质性组织亚区域,即肿瘤周围水肿/侵入组织,坏死核心,活性和非增强核心。这种内在的异质性也被用于它们的放射性表型,因为它们的子区域通过在多参数磁共振成像(mpMRI)扫描中传播的不同强度分布来描绘,反映了不同的生物学特性。它们的异质形状,范围和位置是其中的一部分。使这些肿瘤难以切除的因素,在某些情况下无法手术。切除肿瘤的数量也是纵向扫描中考虑的一个因素,用于评估表观肿瘤以进行潜在的进展诊断。此外,有越来越多的证据表明,各种肿瘤亚区域的准确分割可以为定量图像分析提供预测患者整体的基础。生存。该研究评估了在国际脑肿瘤分割(BraTS)挑战的最后七个实例(即2012-2018)期间用于mpMRI扫描中的脑肿瘤图像分析的最先进的机器学习(ML)方法。具体而言,我们专注于i)评估术前mpMRI扫描中各种神经胶质瘤亚区的分割,ii)通过肿瘤亚区的纵向生长评估潜在的肿瘤进展,超出RECIST标准的使用,以及iii)预测整体术前mpMRI扫描对经历完全切除的患者的生存率。最后,我们研究了为每个任务确定最佳ML算法的挑战,考虑到除了在每个挑战实例上多样化之外,多机构mpMRI BraTS数据集也是一个不断发展/不断发展的数据集。
translated by 谷歌翻译
稀疏主成分分析(SPCA)和稀疏线性回归(SLR)具有广泛的应用,并且在过去二十年中作为高维统计问题的典型例子引起了极大的关注。已经为SPCA和SLR提出了各种算法,但两者之间没有明确的联系。我们展示了如何有效地将SLR的黑盒解算器转换为SPCA的算法:假设SLR求解器满足通过存在的有效算法(例如基于Lasso的算法)实现的预测误差保证,从其派生的SPCA算法实现了近乎最先进的保证用于通过当前最佳多项式时间算法获得的单加标协方差模型的测试和支持恢复。我们的减少不仅突出了两个问题之间的固有相似性,而且从实际的角度来看,允许人们直接从已知的SLR算法中获得SPCA的算法集合。我们在模拟数据上提供实验结果,将我们提出的框架与SPCA的其他算法进行比较。
translated by 谷歌翻译
许多超参数优化(HyperOpt)方法假设有限的计算资源,主要侧重于提高性能。在这里,我们提出了一种新颖的基于云的HyperOpt(CHOPT)框架,它可以有效地利用共享的计算资源,同时支持各种HyperOpt算法。我们提供方便的基于Web的用户界面,可视化和analysistools,使用户能够轻松控制优化程序,并通过迭代分析程序建立宝贵的见解。此外,我们的框架可以与任何云平台合并,从而补充提高传统深度学习框架的效率。我们将CHOPT的应用程序与图像识别和问题回答等任务结合起来,表明我们的框架可以找到与先前工作竞争的超参数配置。我们还展示了CHOPT能够通过其分析工具提供有趣的观察
translated by 谷歌翻译
在这项工作中,我们构建并发布了一个多域和多模态事件数据集(MMED),其中包含从数百个新闻媒体网站(例如雅虎新闻,谷歌新闻,CNN新闻)收集的25,165篇文本新闻文章和76,516个图像帖子在Flickr社交媒体上分享,根据412个真实世界事件进行注释。收集数据集是为了探讨组织专业人员和业余爱好者不同数据域所贡献的异构数据的问题,以及将事件知识从一个数据域转移到异构数据域的问题,从而总结出不同贡献者的数据。我们希望MMEDdataset的发布可以激发对相关挑战性问题的创新研究,例如事件发现,跨模式(事件)检索和视觉问题转移等。
translated by 谷歌翻译
We present an efficient algorithm to compute tight upper bounds of collision probability between two objects with positional uncertainties, whose error distributions are represented with non-Gaussian forms. Our approach can handle noisy datasets from depth sensors, whose distributions may correspond to Truncated Gaussian, Weighted Samples, or Truncated Gaussian Mixture Model. We derive tight probability bounds for convex shapes and extend them to non-convex shapes using hierarchical representations. We highlight the benefits of our approach over prior probabilistic collision detection algorithms in terms of tighter bounds (10x) and improved running time (3x). Moreover, we use our tight bounds to design an efficient and accurate motion planning algorithm for a 7-DOF robot arm operating in tight scenarios with sensor and motion uncertainties.
translated by 谷歌翻译
在本文中,我们提出了一种使用具有加性余量softmax的双向双编码器来学习多语言句子嵌入的方法。嵌入能够在UnitedNations(UN)并行语料库检索任务上实现最先进的结果。在所有测试的语言中,系统达到86%或更高的P @ 1。我们使用通过我们的方法检索的对来获得NMT模型,这些模型实现了与在黄金对上训练的模型相似的性能。我们探索通过平均我们的嵌入来构建的简单文档级嵌入。在UN文档级检索任务中,对于所有实验语言对,文档嵌入在P @ 1上达到约97%。最后,我们在BUCC挖掘任务上评估所提出的模型。与当前最先进的模型相比,具有原始余弦相似性得分的学习嵌入获得了有竞争力的结果,并且与第二阶段的得分手在这项任务上达到了新的最新水平。
translated by 谷歌翻译
光谱分离是高光谱处理中的一个重要且具有挑战性的问题。该主题已被广泛研究,并且在文献中已经提出了各种混合算法。然而,缺乏具有地面实况的公共数据集使得难以以定量和客观的方式评估和比较解混算法的性能。大多数现有工作依赖于使用数值合成数据和直观检查实际数据的结果。为了缓解这种困境,在这项研究中,我们在实验室设计了几个实验场景,包括印刷棋盘格,混合石英砂和垂直板反射。然后通过在我们的实验室中使用高光谱相机对这些场景进行成像来创建数据集,提供36种混合物,具有超过130,000个像素,256个波段,范围从400nm到1000nm。实验设置受到严格控制,以便纯物质光谱特征和材料成分是众所周知。据我们所知,该数据集是第一个以系统方式创建的公开数据集,具有光谱解混的基础事实。一些典型的线性非线性非混合算法也使用该数据集进行了测试,并得出了有意义的结果。
translated by 谷歌翻译
贝叶斯优化算法(BOA)是使用贝叶斯网络作为概率图形模型(PGM)的分布算法估计(EDA)。给定解决方案样本确定最优贝叶斯网络结构是NP难问题。此步骤应在BOA的每次迭代中完成,从而导致非常耗时的过程。出于这个原因,mostimplementations使用贪婪的估计算法,如K2。然而,我们在本文中表明,PGM结构的显着变化不会发生,并且在进化结束时可能特别稀疏。因此,提出了BOA的统计学研究,以表征PGM调整模式,该模式可用作减少进化过程中PGM更新频率的指南。这是通过提出一种新的基于BOA的优化方法(FBOA)来实现的,该方法的PGM不会在每次更新时更新。这种新方法避免了标准BOA中常见的计算负担。结果比较了两种算法在一个NG风景优化问题上的性能,使用了坚固性和预期运行时间相关的枚举实例。实验表明,FBA具有竞争力,同时显着节省了计算时间。
translated by 谷歌翻译
近年来,在端到端神经对话系统中生成信息响应引起了很多关注。以前的各种工作都利用了外部知识和对话背景来产生这样的反应。然而,很少有人证明他们有能力将适当的知识纳入应对措施。受此启发,本文提出了一种新的开放域对话生成模型,该模型采用后验知识分布来指导知识选择,从而在对话中生成更为恰当和信息丰富的响应。据我们所知,我们是第一个利用后验知识分布促进对话生成的人。我们对bot自动和人体评估的实验清楚地证实了我们模型优于最先进基线的优越性能。
translated by 谷歌翻译
对于卷积神经网络,通过最大限度地利用神经过程单元中的片上存储器,提出了一种减少片外存储器访问的简单算法。特别是,该算法提供了一种处理由多个分支和合并层组成的模块的有效方法。对于Exynos中三星的NPU Inception-V3,我们的评估显示,所提出的算法使片外存储器访问减少了1/50,因此从/到芯片存储器传输的特征图数据量减少了97.59%。 。
translated by 谷歌翻译