Today's Paper | Hastalık durumu tahmini; ağ budama teknolojisi; haber raporları için manşet yapmak vb.

içindekiler

Tek hücreli veri setlerinde hastalık durumlarını tahmin etmek için grafik dikkat ağlarını kullanma

Konuşmasız eğitim öncesi ağ budama teknolojisi

Derin stereo eşleştirme için uyarlanabilir tek modlu eşleştirme maliyet hacmi filtresi

Hareket uyarlamalı geri bildirim birimine dayalı süper video yüzü çözünürlüğü

Haber raporları için temsili başlıklar oluşturun

Tek hücreli veri setlerinde hastalık durumlarını tahmin etmek için grafik dikkat ağlarını kullanma

Bildiri Başlığı: Grafik Dikkat Ağlarını Kullanarak Tek Hücreli Verilerden Hastalık Durumu Tahmini

Yazar: Neal G. Ravindra / Arijit Sehanobish / Jenna L. Pappalardo / David A. Hafler / David van Dijk

Gönderme zamanı: 2020/02/14

Makaleye bağlantı: https://arxiv.org/abs/2002.07128

Önerilen neden

Temel sorun: Bu makale, tek hücreli RNA dizisi veri kümesinde multipl skleroz (MS) tahmini sorununu çözmektedir. Daha önce, tek hücreli RNA dizileri hiçbir zaman hastalık tahmini ve teşhisi için kullanılmamıştı. Aynı zamanda multipl skleroz (MS) tanısı da çok zordur. Yenilik: Grafik dikkat ağı (GAT), orijinal özellik bilgilerini ve grafik yapısı bilgilerini iyi bir şekilde çıkarabilir.Bu makale, esas olarak hastalık tahmini için önemli olan özellikleri (hücre türü gibi) çıkaran grafik dikkat ağını (GAT) kullanır. Ve genetik özellikler) ve bu özellikleri mevcut multipl skleroz bilgi sistemine ekledi. Aynı zamanda bu model, hücrelerin yeni özellik uzayını ortaya çıkarmak için de kullanılır ve bu özellikler esas olarak farklı hastalık durumları arasındaki farkı yansıtır. Son olarak, yazar ayrıca dikkat ağırlıklarını kullanarak yeni bir düşük boyutlu gömme temsili öğrendi, önemli gen özelliklerini çıkardı ve öğrenilen grafik temsilini görselleştirdi. Araştırmanın önemi: Bu modelin sonuçları, grafik evrişimli ağlar, rastgele ormanlar ve çok katmanlı algılayıcıların geleneksel makine öğrenimi yöntemlerini geride bırakıyor.Tek hücreli veri setlerinde hastalıkları tahmin etmek için derin öğrenme yöntemlerini kullanan ilk modeldir.

Konuşmasız eğitim öncesi ağ budama teknolojisi

Kağıt adı: Sıfırdan Budama

Yazar: Yulong Wang / Xiaolu Zhang / Lingxi Xie / Jun Zhou

Yayın zamanı: 2019/9/27

Makaleye bağlantı: https://arxiv.org/pdf/1909.12579.pdf

Önerilen neden

Temel sorun: Derin öğrenmenin etkili olmasının büyük bir nedeni, güçlü yerleştirme yeteneğidir. Avantajı bu olsa da, bazı sorunları da beraberinde getirecektir. Büyük bir sorun, modelin çok büyük olması ve çoğu zaman çok şey gerektirmesidir. Veriler ve eğitim hızı yavaştır, bu nedenle model boyutunu ve çalıştırma gecikmesini azaltmak, uç mobil cihazlarda dağıtım için pratik uygulama değerine sahip olan büyüyen bir endişe haline geldi.

Yenilik: Bu makale, etkili bir budama yapısının eğitim öncesi ağırlıklardan elde edilmesine gerek olmadığını kanıtlamaktadır.Eğitim öncesi ağırlıklarla elde edilen budama yapısı genellikle homojendir ve çeşitlilikten yoksundur, bu da daha iyi performans yapılarının keşfedilmesini sınırlayabilir. Ağırlıkları doğrudan rastgele başlatarak, daha çeşitli ve daha iyi budama yapılarının elde edilebileceğini buldular.

Araştırmanın önemi: Bu, model budama sürecini büyük ölçüde hızlandırmakla ve zaman alan ve ağır eğitim sürecini azaltmakla kalmaz, aynı zamanda model budama alanı için güçlü bir kıyaslama sonucu sağlar. Sınıflandırma modelini CIFAR10 üzerinde sıkıştırma deneyinde, yöntem yalnızca geleneksel budama yönteminin eğitim öncesi yükünü büyük ölçüde azaltmakla kalmaz, aynı zamanda aynı hesaplama bütçesi altında benzer ve hatta daha yüksek doğruluk sağlar.

Derin stereo eşleştirme için uyarlanabilir tek modlu eşleştirme maliyet hacmi filtresi

Kağıt adı: Derin Stereo Eşleştirme için Uyarlanabilir Tek Modlu Maliyet Hacim Filtreleme

Yazar: Zhang Youmin / Chen Yimin / Bai Xiao / Yu Suihanjin / Yu Kun / Li Zhiwei / Yang Kuiyuan

Gönderme süresi: 2019/9/9

Makaleye bağlantı: https://arxiv.org/abs/1909.03751

Önerilen neden

Makale, uyarlanabilir tek modlu dağılımın gerçek değer bilgisini denetlenecek eşleşen maliyet hacmine eklemeyi, böylece stereo eşitsizlik tahmininin doğruluğunu geliştirmeyi önerir. Bu makalenin yeniliği, geçmişte göz ardı edilen eşleşen maliyet organlarının denetimine odaklanarak nispeten yenidir.Teorik olarak, eşleşen maliyet gövdelerinin dağılımı tek modlu bir dağılımdır. Yazar tarafından önerilen CENet ve stereo odak kaybı da sezgisel ve etkilidir. Yazı kısa ve anlaşılır, öğrenmeye değer. Stereo eşleştirme yönteminin en büyük zorluğu, genelleme performansının eksikliğidir.Bu makale, yardımcı denetim bilgisi olarak kullanılabilen ve eşleşen maliyet gövdesine dayalı çeşitli stereo eşleştirme yöntemlerine uygun olan, eşleşen maliyet biriminin olasılık dağılımına kısıtlamalar getirir.

Hareket uyarlamalı geri bildirim birimine dayalı süper video yüzü çözünürlüğü

Kağıt adı: Harekete Uyarlamalı Geri Bildirim Hücresine sahip Video Yüzü Süper Çözünürlük

Yazar: Xin Jingwei / Wang Nannan / Li Jie / Gao Xinbo / Li Zhifeng

Gönderme süresi: 2020/2/15

Kağıt bağlantısı: https://arxiv.org/abs/2002.06378

Önerilen neden

Bu makale, videonun süper çözünürlüğü konusunu ele almaktadır.

Mevcut CNN yöntemleri genellikle bu sorunu çok sayıda tek tek çok çerçeveli süper çözünürlük görevi olarak ele alır, yani tek bir yüksek çözünürlüklü çerçeve oluşturmak için bir grup düşük çözünürlüklü çerçeve kullanılır. Bununla birlikte, kareler arasındaki karmaşık zaman bağımlılığı nedeniyle, düşük çözünürlüklü giriş çerçevelerinin sayısı arttıkça, yeniden yapılandırılmış yüksek çözünürlüklü çerçevelerin performansı bozulacaktır. Bu makale, hareket dengelemesini etkili bir şekilde yakalayabilen ve onu uyarlanabilir bir şekilde ağa geri besleyebilen bir Harekete Uyarlamalı Geri Bildirim Hücresi (MAFC) önermektedir. Bu yöntem, çerçeveler arasındaki hareket bilgisini etkin bir şekilde kullanır ve ağın hareket tahmini ve telafi yöntemlerine bağımlılığını önleyebilir. Ek olarak, harekete uyarlanabilir geri bildirim ünitesinin mükemmel özellikleri sayesinde, yeni önerilen yöntem son derece karmaşık hareket senaryolarında daha iyi performans sağlayabilir.

Haber raporları için temsili başlıklar oluşturun

Kağıt adı: Haber Hikayeleri için Temsilci Başlıkları Oluşturma

Yazar: Xiaotao Gu / Yuning Mao / Jiawei Han / Jialu Liu / Hongkun Yu / You Wu

Gönderme süresi: 2020/2/1

Makaleye bağlantı: https://arxiv.org/pdf/2001.09386v3.pdf

Önerilen neden

Temel sorun: İnternette her gün çok sayıda makale üretiliyor ve etkili bir başlığın nasıl oluşturulacağı önemli bir konu haline geldi.

Yenilik: Bu makale bir uzaktan izleme yöntemi geliştirdi ve büyük ölçekli bir üretim modeli eğitti. İlk olarak, makale büyük miktarda etiketlenmemiş külliyat içeren çok seviyeli bir eğitim çerçevesi önermektedir. İkincisi, dikkat katmanına dayalı olarak birden çok makaleden bilgi çıkarmaktadır. Aynı zamanda, bu makale aynı zamanda büyük ölçekli bir veri seti önermektedir.

Araştırmanın önemi: Bu şekilde oluşturulan başlıklar büyük ölçüde mükemmel.

Turing'in klasiklerini yeniden okurken, dokuz çürütme düşündürücüdür
önceki
Doğrudan olay yeri Yurtiçi ve yurtdışındaki giriş ve çıkış havalimanlarında vücut sıcaklığı ölçümü, uçaktaki herkes maske takıyor
Sonraki
Virüsler ve hastalıklarla ilgili kitapların listesi: insan uygarlığının tarihi ve direniş değişti
20'den fazla IOU, 8 yıllığına geri ödedi
Yasadışı sokak satıcıları, şehir yönetimi yetkilisinin tepkisiyle yerde ayaklar altına alındı: bu gerçekten de aşırı
Sahte "özel kuvvetler" yaklaşık 200.000 kadını dolandırdı ve onun için çocuk doğurdu
Herkes, yaklaşan Fare Yeni Ay Yılı'nın bir ay daha vardiyası olacak ...
Li Daxiao: Çok naziksiniz! A-hisseleri iyi bir başlangıç yaptı, boşluk bıraktı ve daha yüksek açıldı ve piyasa değeri yarım günde 860 milyar arttı, 3.300'den fazla hisse senedi yükseldi
Ningxia Duowei Pharmaceutical da dahil olmak üzere beş şirket, "düşük kaliteli ilaçları alıp satmaktan" cezalandırıldı
Volkanik külün yakalanması - kaya manyetizması ile antik tabakaların volkanik kül tanımlamasına yeni bir bakış açısı
Lazer tek kristal elyaf geliştirme ve uygulama araştırmasında ilerleme
ALMA, büyük bir grup oluştur, derin uzaya bak
Tek atomik katman kanallı kanat tipi alan etkili transistör çıkıyor
Başka bir ay | sorma sevilen
To Top