实际项目调度通常需要在选择和替代生产活动的确切长度方面具有灵活性。此外,在许多生产计划应用中,必须同时安排多个批次。为了满足这些要求,引入了一个新的灵活资源约束的多项目调度问题,其中两个决策(活动选择灵活性和时间灵活性)被集成。除最小化完工时间外,还提出了两个由asteel行业应用案例启发的替代目标:最大化所选活动的平衡时间(时间平衡)和均衡资源利用(资源平衡)的最大化。针对已开发的集成柔性项目调度问题,提出了新的混合整数和约束规划(CP)模型。通过使用IBMILOG CPLEX的CP Optimizer解决大型钢铁行业实例,可以显示建议的CP模型的实际适用性。此外,灵活的资源约束项目调度问题(RCPSP)的基准实例被解决为最优。
translated by 谷歌翻译
We investigate the performance of a machine learning classification technique, called the Parzen window, to mitigate the fiber nonlinearity in the context of dispersion managed and dispersion unmanaged systems. The technique is applied for detection at the receiver side, and deals with the non-Gaussian nonlinear effects by designing improved decision boundaries. We also propose a two-stage mitigation technique using digital back propagation and Parzen window for dispersion unmanaged systems. In this case, digital back propagation compensates for the deterministic nonlinearity and the Parzen window deals with the stochastic nonlinear signal-noise interactions, which are not taken into account by digital back propagation. A performance improvement up to 0.4 dB in terms of Q factor is observed.
translated by 谷歌翻译
我们介绍了GQA,这是一个用于实际视觉推理和组合问题解答的新数据集,旨在解决以前的VQA数据集的关键缺点。我们已经开发了一个强大而强大的问题引擎,它利用场景图结构来创建22M多种推理问题,所有推理都带有代表其语义的功能程序。我们使用这些程序来严格控制答案分布,并提出一种新的可调平滑技术来减轻语言偏差。伴随数据集是一套新的指标,用于评估基本质量,如一致性,基础和合理性。对基线和最先进的模型进行了广泛的分析,为不同的问题类型和拓扑提供了细粒度的结果。盲目LSTM仅获得42.1%,强VQA模型达到54.1%,人类表现达到89.3%,为新研究提供了充分的机会。我们强烈希望GQA将为下一代模型提供支持资源,增强稳健性,提高一致性,并对图像和语言进行更深入的语义理解。
translated by 谷歌翻译
传统的治疗方法限制了外科医生的灵活性控制,这是由于有限的视野。随着机器人辅助手术的出现,微创手术的医疗技术已经发生了范式转变。然而,在手术场景中追踪手术器械的位置是非常具有挑战性的,并且精确检测和识别手术工具是至关重要的。基于深度学习的手术视频的语义分割框架有可能促进这项任务。在这项工作中,我们通过引入经过预先训练的编码器并重新设计解码器部分来修改名为U-NetPlus的U-Net架构,方法是将转置的卷积操作替换为基于最近邻(NN)插值的上采样操作。为了进一步提高性能,我们还采用了一种非常快速且灵活的数据增强技术。我们通过MICCAI 2017EndoVis Challenge数据集对8 x 225帧机器人手术视频序列进行了框架训练,并在8 x 75帧和2 x 300帧视频上进行了测试。使用我们的U-NetPlus架构,我们报告用于二进制分割的90.20%DICE,用于仪器部分分割的76.26%DICE,以及​​用于仪器类型(即,所有仪器)分段的46.07%,优于在这些数据上实现和测试的先前技术的结果。
translated by 谷歌翻译
本报告概述了利用大数据革命和大规模计算解决多信使天体物理学中的重大计算挑战的最新工作,特别强调实时发现活动。该文件承认了多信使天体物理学的跨学科性质,由物理学家,天文学,计算机科学,数据科学,软件和网络基础设施社区的成员编写,他们参加了NSF-,DOE-和NVIDIA资助的“多信使天体物理学的深度学习”。 :实时发现规模“研讨会,于2018年10月17日至19日在国家超级计算应用中心举办。本报告的重点包括一致同意这对于加速新型信号处理算法的开发和部署至关重要。利用人工智能(AI)和高性能计算之间的协同作用,最大限度地发挥Multi-Messenger天体物理学的潜在科学发现。我们讨论了实现这一努力的关键方面,即(i)为多信使天体物理学设计和利用可扩展和计算效率高的AI算法;(ii)数字模拟天体物理资源的网络基础设施要求,以及处理和解释多信使天体物理学数据; (iii)管理引力波探测和触发以实现电磁和天体粒子跟踪; (iv)利用未来发展的机器和深度学习以及网络基础设施资源的愿景与大数据时代的发现规模相结合; (v)需要建立一个社区,将领域专家与数据科学家一起进行平等,以最大限度地加速发现多信天体物理学的新兴领域。
translated by 谷歌翻译
构建易于理解的软件驱动系统变得面临挑战,其复杂性和自主性不断增加。因此,最近的研究努力努力帮助设计可解释的系统。然而,仍然缺少系统可解释所需的共同概念。为了解决这个问题,我们提出了一个可解释系统的特征,它巩固了现有的研究。通过提供统一的语言学,我们为现有和未来研究的分类以及对这些系统的精确要求的制定奠定了基础。
translated by 谷歌翻译
本文提出了一种基于深度学习方法评估身体康复训练的新框架。该框架的目标是基于捕获的全身关节轨迹自动量化患者在完成预备康复训练中的表现。该框架的主要组成部分是用于测量运动性能的度量,用于将性能度量映射到运动质量的数值得分的评分函数,以及用于通过监督学习来调整输入运动的质量得分的深度神经网络模型。此外,现有的建模方法的概述提出了康复运动的评估,包括各种距离函数,降维技术以及先前研究中用于该问题的运动模型。据我们所知,这是第一个实施深度神经网络评估康复性能的工作。多个深度网络体系结构被重新用于任务吸入,并在康复训练数据集上进行验证。
translated by 谷歌翻译
主题模型在自然语言处理及其他方面得到广泛应用。在这里,我们提出了一种新的框架,用于评估基于合成语料库的概率主题建模算法,该合成语料库包含明确定义的地面真实主题结构。我们的方法的主要创新是通过比较标记级别的指定主题标签来量化种植和推断的主题结构之间的一致性的能力。在实验中,我们的方法产生关于主题模型的相对强度的新颖见解,因为语料库特征变化,当种植结构薄弱时,主题模型的第一个证据是“不可检测的阶段”。我们还通过预测真实世界语料库中主题建模算法分类任务的性能,确定了对合成公司获得的见解的实际相关性。
translated by 谷歌翻译
虽然作为算法公平的子领域的一部分,越来越多地研究分配的危害,但是代表性的危害受到的关注却少得多。在本文中,我们将两种立体定型概念形式化,并展示它们如何在机器学习管道中的后期分配危害中表现出来。我们还提出了缓解策略,并证明了它们在合成数据集上的有效性。
translated by 谷歌翻译
大型标记数据集驱动了深度学习方法,以在各种医学成像任务上实现卓越的性能。我们提供了CheXpert,这是一个包含224,316张胸片的65,240名患者的大型数据集。我们设计了一个贴标机,可以自动检测放射学报告中14个观测值的存在,捕捉射线照相解释中固有的不确定性。我们研究了使用不确定性标签训练卷积神经网络的不同方法,这些方法根据可用的正面和横向射线照片输出这些观察的可能性。在由2名经过委员会认证的放射科医师手动注释的200个胸部放射学研究的验证集中,我们发现不同的不确定性方法对于不同的病理学是有用的。然后,我们评估了由500名胸部放射学研究组成的测试集上的最佳模型,该研究由5位经过委员会认证的放射科医师的共识进行注释,并将我们的模型与3位额外放射科医师在5种选定病理检测中的表现进行比较。在Cardiomegaly,Edema和Pleural Effusion上,模型ROC和PR曲线位于所有3个放射科医师手术点之上。将数据集作为标准基准向公众发布,以评估胸部X光片解释模型的性能。该数据集可从以下网站免费获取://stanfordmlgroup.github.io/competitions/chexpert。
translated by 谷歌翻译