- 使用深度学习的动物行为分析方法:一项综述
动物行为学的关键研究方向是深度学习架构在动物行为识别中的应用、相关挑战以及未来研究方向。
- 检索与细化:基于大语言模型的罕见病识别混合框架
利用传统的基于词典的自然语言处理工具与大型语言模型相结合的新型混合方法,提高了从非结构化临床记录中识别罕见疾病的能力,并显示了从临床记录中识别病患的潜力。
- 异质图模型中的稀疏结构和社区的同时识别
在高斯图模型的框架下,我们引入一种新颖的分解方法,将基础图结构分解为稀疏部分和低秩对角块(非重叠社区),并提出一个三阶段估计过程以及快速高效的算法用于识别稀疏结构和社区。通过两种建模方式展示了这种分解的重要性,并在理论层面上建立了局部可辨识 - 基于融合注意力机制的矿石分类网络
该研究提出了一种名为 OreYOLO 的方法,通过将注意机制和多尺度特征融合策略结合到金矿和硫化矿石的矿石数据中,提高了模型的检测性能和准确性。实验证明 OreYOLO 在金矿和硫化矿石分类训练中优于常用的高性能目标检测算法。
- 动态局部平均治疗效应
动态治疗方案中的非合规问题的非参数识别、估计和推断
- 开放环境中的持续演化奖励
在复杂的现实环境中,准确识别驱动实体行为的奖励是困难的,特别在环境改变时,由于目标和相关行为在内生地出现并动态更新。本文通过学习和期望的方式考察了一种用于动态更新奖励的候选算法 RULE。通过在简化的生态系统模拟实验中测试,该方法成功模拟了 - ICLR纹理学习探索
本研究探讨纹理学习:识别目标分类模型学习到的纹理以及它们对这些纹理的依赖程度。我们建立了纹理 - 目标的关联,揭示了 CNN 中纹理和目标类别之间关系的新见解,并发现三类结果:强关联且符合预期、强关联但不符合预期以及符合预期但不具备纹理。我 - 基于 L-BFGS-B 的 L1 和分组 - Lasso 正则化下的线性和非线性系统辨识
基于 L-BFGS-B 算法,本文提出了一种识别线性和非线性离散时间状态空间模型的方法,可能在 $l_1$ 和组 - Lasso 正则化的基础上进行。该方法不仅丰富了现有的线性系统识别工具集,还可应用于识别包括循环神经网络在内的极其广泛的参 - 实例感知探索 - 验证 - 利用于实例图像目标导航
在未知环境中,为了导航到目标图像中指定的对象,我们提出了一种人工智能导航框架 IEVE,它通过模拟人类的行为,在不同的情况下帮助代理人在探索、验证和利用行为之间进行积极切换,从而识别并导航至目标对象。在挑战性的 HabitatMatterp - 机器能看到颜色:分类大型语料库中不同形式的种族主义言论的指南
通过 XLM-RoBERTa 模型,本篇文章提供了一种可概括的步骤,用于在大量语料库中识别和分类不同形式的种族主义言论。通过将种族主义表现形式置于感兴趣的时间和地点的环境中,研究人员能够识别出他们的话语形式。
- SpineCLUE:使用对比学习和不确定性估计的自动椎骨识别
提出了一种三阶段的方法来解决椎骨水平的 3D CT 椎骨识别中的挑战,通过顺序执行椎骨定位、分割和识别的任务,有效利用椎骨的解剖先验信息,并采用监督对比学习方法进行预训练来解决类间相似性和类内变异性问题,并进一步优化识别结果。
- MRI 上局部伽马增强对缺血性脑卒中损伤分割的研究
鉴别和定位医学图像中的病理组织在深度学习领域仍然备受关注。我们提出了一种局部伽玛增强技术,通过引入新的病理组织灰度值实例来改善深度神经网络在脑部 MRI 上对缺血性卒中损伤的分割任务的图像级敏感性。
- 发现组件化概括性的模块化解决方案
通过模块性和超网络的研究,我们证明了从有限数据中的元学习可以发现能够组合性地概括的模块化解决方案。
- AAAISIG: 文学中的说话者识别通过基于提示的生成
提出了一种基于生成的方法 SIG,用于识别叙述中的引文说话者, 在处理超领域的未见过说话者和周围上下文中没有说话者提及等具有挑战性的情况下表现出卓越的性能。
- 高空距离全身检测、识别和识别
我们提出了一个端到端系统,用于在长达 500 米和大于 50 度的高角度的情况下进行全身生物识别的检测、识别和辨认。我们的方法在各种室内、室外和航空场景下进行了全面的评估,表现出强大的识别准确性和低虚假接受率。
- 用于优化汽车销售流程的汽车型号识别系统
该研究提出了一种自动化解决方案,通过图像识别车辆型号和制造商,旨在简化在线汽车销售平台的车辆清单流程。经过对包括卷积神经网络(CNNs)、视觉 Transformer(ViTs)和混合模型在内的各种高效网络架构的彻底探索,采用 Effici - 多语言环境下的政治主张识别与分类:初步实验
通过不同的策略进行政治要求分析的跨语言投射是一项重要工作,本文以德国数据集 DebateNet2.0 为基础,涵盖了 2015 年难民危机引发的政策辩论,通过两个任务(要求识别和分类)、三种语言(德语、英语和法语)以及两种方法(机器翻译 — - 基因表达数据中检测基因间相互作用的并行层深度学习网络
利用已知基因表达和基因交互数据,本文提出了一个专门设计用于基因之间关系鉴定的并行层次深度学习网络 GENER,并通过与现有统计和深度学习方法的性能比较表明,在预测基因之间的相互作用方面优于竞争方法。
- 基于灰度共生矩阵和直方图提取的集成学习目标分类模型
基于物体分类的识别方法研究中,对象的变化是一个挑战。本研究提出了一种分类方法,使用投票和组合分类器,结合随机森林、K-NN、决策树、SVM 和朴素贝叶斯分类方法。测试结果表明,投票方法和组合分类器的准确率分别为 92.4% 和 99.3%。 - DIOR:室内外重识别数据集 -- 长距离 3D/2D 骨架步态采集管道,半自动化步态关键点标注和基准评估方法
本文介绍了 DIOR 框架的数据收集和半自动化标注,提供了一个包含 14 个主题和 1649 万帧(其中包括来自长距离摄像头的 20 万帧)的数据集,旨在通过先进的 3D 计算机视觉技术实现在室内和户外长距离设置下的像素级准确度和骨架标注。