Point-Based Methods for Model Checking in Partially Observable Markov
Decision Processes [36.1] 部分的に観測可能なマルコフ決定過程(POMDP)において線形時間論理式を満たすポリシーを合成する手法を提案する。
本稿では,所望の論理式を満たす最大確率を効率的に近似するために,ポイントベースの値反復法を提案する。
我々は,提案手法を大規模POMDPドメインに拡張し,その結果のポリシーの性能に強い拘束力を与えることを示した。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 23:09:25 GMT)
Improving Spoken Language Understanding By Exploiting ASR N-best
Hypotheses [22.3] 自然言語理解(NLU)モジュールは、自動音声認識(ASR)モジュールから音声を入力として解釈する。
ASRモジュールは一部の音声を誤認識する可能性があり、最初の最良の解釈は誤認とノイズである可能性がある。
入力音声のセマンティクスの理解を改善するための,単純かつ効率的なモデルをいくつか導入する。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 05:48:52 GMT)
Learning Cross-Context Entity Representations from Text [10.0] 本稿では,テキストコンテキストからエンティティのコンテキスト独立表現を学習するための補間タスクの利用について検討する。
ニューラルネットワークの大規模トレーニングによって,高品質な実体表現を学習できることが示される。
我々のグローバルな実体表現は、スコットランドのサッカー選手のようなきめ細かい型カテゴリをエンコードし、トリビアの質問に答えることができます。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 15:30:56 GMT)
Unsupervised Enhancement of Real-World Depth Images Using Tri-Cycle GAN [8.5] 低コストセンサで取得した高分解能で現実世界の深度画像の高精細化を目指す。
低品質センサドメインと高品質センサドメインとの教師なしドメイン翻訳として,クリーンな地上構造が欠如している場合に,その課題にアプローチする。
我々は,この課題に高度に熟練したサイクロンGANを用いているが,この場合,性能が良くない。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 18:19:09 GMT)
MHSAN: Multi-Head Self-Attention Network for Visual Semantic Embedding [6.5] 本稿では,視覚的およびテキスト的データの様々なコンポーネントを,データの重要な部分に参加することによってキャプチャする,新しいマルチヘッド自己注意ネットワークを提案する。
提案手法は,MS-COCOおよびFlicker30Kデータセット上の画像テキスト検索タスクにおける最新の結果を実現する。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 05:50:19 GMT)
Latent Factor Analysis of Gaussian Distributions under Graphical
Constraints [5.6] CMTFA のランクは 1 ドル、ランクは n-1 ドルのいずれかであり、その間には何の問題もない。
特に、CMTFA のランクは 1 ドル、ランクは n-1 ドルのいずれかであり、その間には何も持たないことが示されている。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 05:13:24 GMT)
Dynamic Coronary Roadmapping via Catheter Tip Tracking in X-ray
Fluoroscopy with Deep Learning Based Bayesian Filtering [4.0] 経皮的冠動脈インターベンション (PCI) は, 冠動脈造影にX線不透明造影剤を併用したX線アンギオグラムを用いて画像誘導を行うのが一般的である。
本報告では、視覚フィードバックを改善し、PCIにおけるコントラスト使用を減らすために、新しい動的冠ロードマップ作成手法の開発について述べる。
特に,カテーテル先端の高精度かつロバストな追跡のために,畳み込みニューラルネットワークの検出結果と,粒子フィルタリングフレームワークを用いたフレーム間の運動推定を統合した,深層学習に基づくベイズフィルタリング手法を提案する。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 22:08:06 GMT)
Reward Engineering for Object Pick and Place Training [3.5] OpenAIのGymが提供するPick and Place環境を使って報酬をエンジニアリングしています。
OpenAIベースラインと環境のデフォルト設定では、目標位置とロボットエンドエフェクタ間の距離を用いて報酬関数を算出する。
また、学習ポリシーに特定のユーザ希望のトラジェクトリを導入することも可能でした。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 20:13:28 GMT)
Bayesian Semi-supervised learning under nonparanormality [2.4] ベイジアン半教師付きモデルを用いた半教師付き学習アルゴリズムを提案する。
提案手法は,様々なケースで予測精度が向上している。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 21:31:25 GMT)
PatentTransformer-2: Controlling Patent Text Generation by Structural
Metadata [1.8] PatentTransformerは、Transformerベースのモデルに基づく特許テキスト生成のためのコードネームです。
この第2バージョンでは、特許における構造メタデータをより活用しています。
我々は、スクラッチからトレーニングされたGPT-2モデルと推論のためのコードをリリースし、読者が自分で特許文書を検証して生成できるようにした。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 03:54:31 GMT)
On- Device Information Extraction from Screenshots in form of tags [1.5] 本稿では,モバイルスクリーンショットの検索を容易にする手法を提案する。
複数の言語をサポートするパイプラインを作り、デバイス上で実行しました。
実験の結果,開発したソリューションは,ユーザ全体の労力を削減し,検索中のエンドユーザエクスペリエンスを向上させることができることがわかった。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 12:15:30 GMT)
Authorship Attribution in Bangla literature using Character-level CNN [0.5] バングラ文学の著者属性における文字レベル信号の有効性について検討する。
提案するモデルの時間とメモリ効率は,単語レベルよりもはるかに高い。
事前トレーニングでは最大10%パフォーマンスが向上している。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 14:54:04 GMT)
A Continuous Space Neural Language Model for Bengali Language [0.5] 本稿では, 連続空間ニューラル言語モデル, より具体的にはASGD重量減少型LSTM言語モデル, およびベンガル語で効率的に学習する手法を提案する。
提案したアーキテクチャは、ベンガルの保持されたデータセットにおいて、推論の難易度を51.2まで低くすることで、それよりも優れている。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 14:50:57 GMT)
On measures of classicality/quantumness in quasiprobability
representations of finite-dimensional quantum systems [0.0] 有限次元量子系の状態の古典性と量子性の尺度について議論する。
Hilbert-Schmidt, Bures および Bogoliubov-Kubo-Mori の qubit および qutrit のグローバルな古典性/量子性の指標を構築することで、一般的な考察が実証される。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 10:58:46 GMT)
How to Answer Why -- Evaluating the Explanations of AI Through Mental
Model Analysis [0.0] 人間中心のAI研究の鍵となる疑問は、ユーザーのメンタルモデルをどのように有効に調査するかである。
実験的な研究手法としてメンタルモデルが適切かどうかを評価する。
本稿では、人間中心の方法で説明可能なAIアプローチを評価するための模範的手法を提案する。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 17:15:58 GMT)
Exploring and Improving Robustness of Multi Task Deep Neural Networks
via Domain Agnostic Defenses [0.0] マルチタスクディープニューラルネットワークは、ひとつのタスクでのみトレーニングされたバニラBERTモデルよりも堅牢であることを示す。
汎用ディフェンスやオフザシェルフのスペルチェッカーとは対照的に,モデルの精度(それぞれ36.75%,25.94%)を復元するドメインディフェンスを提案する。
論文参考訳（メタデータ） (Sat, 11 Jan 2020 18:05:15 GMT)