最近关于空间和时空模型检查的研究提供了新的图像分析方法,其根植于拓扑空间的逻辑方法。医学成像(MI)是这样的方法,其中这些方法显示出潜在的突破性创新。我们的出发点是SLCS,封闭空间的空间逻辑 - 封闭空间是拓扑空间的概括,也包括离散空间结构 - 以及topochecker,一种用于SCS(及其扩展)的模型检查器。我们介绍了逻辑语言ImgQL(“ImageQuery Language”)。 ImgQL使用描述距离和区域相似性的逻辑运算符扩展SLCS。时空模型检查器topochecker相应地增强了最先进的算法,借鉴了计算图像处理,有效地实现了基于距离的操作,即距离变换。基于统计纹理分析的概念,区域之间的相似性由统计相似性算子的定义来定义。我们通过两个磁共振图像分析实例来说明我们的方法:胶质母细胞瘤和水肿的分割,以及直肠癌的分割。
translated by 谷歌翻译
我们提出了自动编码器(AE)的一种变体,它明确地最大化了输入数据和隐藏表示之间的信息。所提出的模型InfoMax自动编码器(IMAE)通过构造能够容忍强大的表示和良好的数据原型。 IMAE在理论上与计算机上与现有技术模型进行了比较:单层隐藏层设置中的去噪和压缩自动编码器以及多层情况下的变分自动编码器。使用MNIST和Fashion-MNIST数据集进行计算实验,并特别展示IMAE的强聚类性能。
translated by 谷歌翻译
地震数据处理算法极大地受益,甚至需要定期采样和可靠的数据。因此,插值和去噪作为大多数地震数据处理流水线的起始步骤起着基础性作用。在本文中,我们利用卷积神经网络进行二维公共射击道集的插值和随机噪声衰减的联合任务。在图像处理和计算机视觉中所做的巨大贡献的启发下,我们研究了一种称为U-net的卷积神经网络的特定结构,它实现了一个卷积自动编码器,能够描述干净和定期采样数据的复杂特征,以便重构损坏的数据。在训练阶段,我们利用数据的一部分来定制网络到插值,去噪和联合去噪/插值的特定任务,而在系统部署期间,我们能够在计算有效的过程中检索剩余的损坏的镜头集合。在我们的实验活动中,我们考虑了多个数据损坏,包括不同的噪声模型和缺失的跟踪分布。我们通过合成和现场数据的几个示例来说明上述策略的优点。此外,我们将提出的噪声和插值技术与最新的最新方法进行了比较。
translated by 谷歌翻译
近年来,越来越多的人抵达欧盟,穿越地中海或陆路穿越东南欧,后来被称为欧洲移民危机。在过去的5年中,有超过16,000人在地中海的海岸线上丧生。联合国秘书长新技术战略正在支持使用人工智能(AI)和机器人加速实现2030年可持续发展议程,其中包括安全和正常的移民过程。在同一个精神中,该项目的核心思想是将AI技术用于海上搜索和救援(SAR)操作。特别是,我们提出了一种自动组织的自组织智能无人机,可以覆盖abroader区域,加快搜索过程,最终提高移民救援行动的效率和效率。
translated by 谷歌翻译
持续学习包括从数据/任务流中不断学习并自适应地思考时间的算法,从而能够逐步开发更复杂的知识和技能。缺乏共识,无法评估持续学习算法以及几乎专注于遗忘,这促使我们提出一套更全面的实施独立指标,考虑到我们认为在实际AI系统的部署中值得考虑的实用因素,这些因素是连续学习的:准确性或性能随着时间的推移,向后和向前的知识转移,内存开销以及计算效率。我们进一步建议将标准多属性价值理论(MAVT)的绘制灵感融合到一个单一的分数中进行排名,并在iCIFAR-100持续学习基准上用五个持续学习策略评估我们的建议。
translated by 谷歌翻译
使应用程序意识到用户所经历的移动性可以打开通向不同用例的各种新颖服务的大门,从智能停车到车辆交通监控。在文献中,有一些不同的研究证明了通过挖掘智能手机嵌入式传感器数据来执行交通模式检测(TMD)的理论可能性。但是,很少有人提供有关基准测试过程的细节以及如何在实践中实施检测过程。在本研究中,我们提供了指导方针和基本结果,这些指导方针和基本结果对于旨在实施有效TMD系统的研究人员和从业人员都很有用。这些指南包括三个主要贡献。首先,我们详细介绍了培训数据集的构建,由异构用户收集,包括五种不同的运输方式;数据集作为参考基准提供给研究界。其次,我们提供了对于双TDM情况的传感器相关性的内部分析,这是大多数移动感知应用所要求的。第三,我们研究了在训练集中不存在的未知用户/实例的TMD的可能性,并且我们与最先进的Android API进行了活动识别。
translated by 谷歌翻译
基于密度的聚类技术用于广泛的数据挖掘应用程序。它们最吸引人的特征之一是不使用数据集包含的簇数量及其形状的先验知识。在本文中,我们提出了一种名为线性DBSCAN(Lin-DBSCAN)的新算法,这是一种简单的聚类方法,它受到众所周知的算法DBSCAN引入的密度模型的启发。 Lin-DBSCAN旨在最大限度地降低基于密度的地理空间数据聚类的计算成本,具有线性时间复杂度,使其适用于低资源设备上的实时应用。 Lin-DBSCAN使用DBSCAN的密度模型的离散版本,它利用了基于网格的扫描和合并方法。算法的名称完全取决于上面概述的主要功能。该算法采用众所周知的数据集进行了测试。实验结果证明了DBSCAN在空间数据聚类环境下的有效性和有效性,使得基于密度的聚类技术能够用于低计算成本的大型数据集。
translated by 谷歌翻译
需求获取需要广泛的知识和对最终系统所在的问题领域的深刻理解。但是,在manysoftware开发项目中,分析师需要从不熟悉的域中引出需求,这通常会导致分析人员和利益相关者之间的沟通障碍。在本文中,我们提出了一个要求ELICitationAid工具(ELICA),以帮助分析师通过动态提取和标记需求相关知识来更好地理解目标应用程序域。为了提取相关术语,我们利用加权有限状态传感器(WFSTs)的灵活性和功能)在自然语言处理任务的动态建模中。除了通过文字传达的信息之外,ELICA还捕获和处理关于发言者意图的非语言信息,例如他们的置信水平,分析基调和分辨率。提取的信息可作为一组带有突出显示的相关术语的标记片段提供给分析人员,这些术语也可以作为需求工程(RE)过程的工件导出。通过案例研究证明了ELICA的应用和实用性。该研究表明,在启动会议期间捕获的关于应用领域和信息的预先存在的相关信息,例如会话和利益相关者的意图,可以被捕获并用于支持分析师完成他们的任务。
translated by 谷歌翻译
在需要深入掌握有关系统的领域知识的项目中,需求获取可能非常具有挑战性。由于分析人员对启发过程进行全面控制,他们缺乏对系统研究的了解,使他们无法提出相关问题并降低利益相关者提出的要求的准确性。我们提供了ELICA,一种通用的可视化分析工具,可在需求过程中帮助分析师。 ELICA使用基于加权有限状态传感器(WFST)(生成模型)和SVM(判别模型)的组合的新颖信息提取算法。 ELICA在交互式GUI(包括缩放,平移和收缩)中呈现提取的相关信息,分析师可以探索正在进行的对话(orspecification文档)的哪些部分与提取的信息匹配。在这个示例中,我们表明ELICA在实践中是可用和有效的,并且可以实时提取相关信息。我们还演示了ELICA中设计精巧的功能如何促进信息提取的交互式和动态过程。
translated by 谷歌翻译
由于与道路交通事故密切相关,驾驶时智能手机的使用被一致认为是一种非常危险的习惯。在本文中,解决了在旅行期间检测驾驶员是否正在使用电话的问题。为此,来自几乎所有现代手机中集成的三轴惯性测量单元(IMU)的高频数据在不依赖外部输入的情况下进行处理,以提供独立的方法。通过频域分析,可以实现从牵引信号中提取检测驾驶员何时使用电话所需的有用信息,而不受车辆运动对相同信号的影响。所选特征用于训练支持向量机(SVM)算法。对混合自然驾驶场景期间收集的实验数据进行了分析和测试,证明了该方法的有效性。
translated by 谷歌翻译