当前位置: 首页 >> 工作动态
 
红毛猩猩患后肢无力等疾病,北京动物园采取中医点穴疗法
2017-3-31 16:32:18   来源:大庆网)

分期乐可消费额度套现 —【企鹅—2383754602】【薇辛—17359413353】【无.需.打.开】【诚.信.第.一】【安.全.无.风.险】,花呗,京东,任性付,信用卡,等各种套现业务,行业顶尖品质,包您满意。

分期乐可消费额度套现 —【企鹅—2383754602】【薇辛—17359413353】【无.需.打.开】【诚.信.第.一】【安.全.无.风.险】,花呗,京东,任性付,信用卡,等各种套现业务,行业顶尖品质,包您满意。

新智元编译来源:Science,DeepMind  【新智元导读】DeepMind今天在Science发表论文,提出生成查询网络(Generative Query Network,GQN),能够在无监督的情况下,抽象地描述场景元素,并通过“想象”渲染出场景中没有见到的部分。这项工作展示了没有人类标签或领域知识的表示学习,为机器自动学习并理解周围世界铺平了道路。

  论文地址:

  http://science.sciencemag.org/lookup/doi/10.1126/science.aar6170   DeepMind又有大动作,早上起来便看到Hassabis的推文:

  一直以来,我对大脑是如何在脑海中构建图像的过程深感着迷。我们最新发表在Science的论文提出了生成查询网络(GQN):这个模型能从一个场景的少量2D照片中重新生成3D表示,并且能从新的摄像头视角将它渲染出来。

  Hassabis在接受《金融时报》采访时表示,GQN能够从任何角度想象和呈现场景,是一个通用的系统,具有广泛的应用潜力。

  如果说新智元昨天介绍的DeepMind那篇有关图网络的论文重磅,那么这篇最新的Science更显分量。

  “此前我们不知道神经网络能否能学会以如此精确和可控的方式来创建图像,”DeepMind的研究员、论文的第一作者Ali Eslami表示:“但是,这次我们发现具有足够深度的网络,可以在没有任何人类工程干预的情况下,学习透视和光线。这是一个非常惊人的发现。”

  DeepMind最新发表在Science上的论文《神经场景表示和渲染》。包括老板Demis Hassabis在内,一共22名作者。本着开源共享的精神,文章以公开获取的形式在Science发表。

  这篇文章的意义在于,提出了一种无监督的方法,不依赖带标记的数据,而且能够推广到各种不同的场景中。过去的计算机视觉识别任务,通常是建立在大量有标记的数据基础上,不仅标记这些数据麻烦,标记好的数据还可能带有偏见,最重要的是,已经有越来越多的研究者意识到,由于测试,有没有人知道花呗套现的卖家,集过拟合的问题,很多分类器的鲁棒性亟待提高。

  DeepMind的这套视觉系统,也即生成查询网络(GQN),使用从不同视角收集到的某个场景的图像,然后生成关于这个场景的抽象描述,通过一个无监督的表示学习过程,学习到了场景的本质。之后,在学到的这种表示的基础上,网络会预测从其他新的视角看这个场景将会是什么样子。这一过程非常类似人脑中对某个场景的想象。而理解一个场景中的视觉元素是典型的智能行为。

  虽然还有诸多局限,但DeepMind的这项工作,在此前许许多多相关研究的基础上更进一步,展示了我们在让机器“理解世界”的道路上,迈出了坚实一步。

  下面是DeepMind今天发表的官方博文,论文的联合第一作者S. M. Ali Eslami和Danilo Jimenez Rezende对这项工作进行了解读。

  《神经场景表示和渲染》的研究背景

  当谈到我们人类如何理解一个视觉场景时,涉及的不仅仅是视觉:我们的大脑利用先验知识进行推理,并做出远远超出光线的模式的推断。例如,当你第一次进入一个房间时,你能够立即识别出房间里的物品以及它们的位置。如果你看到一张桌子的三条腿,你会推断,可能存在第四条桌子腿从你的视线中了,它的颜色和形状应该与其他三条腿相同。即使你看不到房间里的所有东西,你也很可能勾画出它的布局,或者从另一个角度想象它的样子。

  这些视觉和认知任务对人类来说似乎毫不费力,但它们对我们的AI系统来说是一个重大挑战。今天,最先进的视觉识别系统都是用人类产生的带注释图像的大型数据集训练的。获取这些数据是一个昂贵而且耗时的过程,需要有人对数据集中每个场景的每个对象进行标记。因此,通常只能捕获整体场景的一小部分内容,这限制了用这些数据进行训练的人工视觉系统。

  当我们开发出在现实世界运行的更复杂的机器时,我们希望机器能充分了解它们所处的环境:可以坐的最近的表面在哪里?沙发是什么料子的?所有的阴影都是哪些光源产生的?电灯的开关可能在哪里?

  论文一作S. M. Ali Eslami解读

  在这篇发表于《科学》(Science)的最新论文中,我们提出生成查询网络(Generative Query Network,GQN)。

  在这个框架中,机器学习只使用它们在场景中移动时所获得的数据进行训练,从而感知周围的环境。

  就像婴儿和动物一样,GQN通过尝试理解它对周围世界的观察来学习。在这样做的过程中,GQN了解了似乎合理的场景及其几何属性,而没有任何人类来对场景内容进行标注。

  GQN:仅使用从场景中感知到的数据做训练

  GQN模型由两个部分组成:表示网络(representation network)和生成网络(generation network)。表示网络将agent的观察结果作为输入,并生成一个描述基础场景的表示(向量)。然后,生成网络从先前未观察到的角度来预测(“想象”)场景。

Agent从不同视角观察训练场景

  表示网络不知道生成网络被要求预测哪些视点,所以它必须找到一种有效的方式来尽可能准确地描述场景的真实布局。为了实现这个目的,表示网络以一种简洁的分布式表示来捕获最重要的元素(如对象位置、颜色和房间布局)。

  在训练过程中,生成器学习环境中的典型对象、特征、关系和规则。这种共享的“概念”集合使表示网络能够以高度压缩、抽象的方式描述场景,让生成网络在必要时填充细节。

  这个视频展示了GQN网络的框架和训练流程。

  例如,表示网络会简洁地将“蓝色立方体”表示为一组数字,而生成网络将会知道如何以特定的视点将其显示为像素。

  四大重要特性:能够“想象出”没有观察过的场景

  我们在模拟的3D世界的一系列程序生成环境中,对GQN进行了受控实验。这些环境包含多个物体,它们的位置、颜色、形状和纹理都是随机的,光源也是随机的,而且会被严重遮挡。

  在这些环境中进行训练后,我们使用GQN的表示网络来形成新的、以前未观察到的场景的表示。我们的实验表明,GQN具有以下几个重要特性:

  GQN的生成网络能够以非常精确的方式从新的视角“想象”先前未观察到的场景。当给定一个场景表示和新的摄像机视点时,它会生成清晰的图像,而不需要事先说,可以白条套现,明透视、遮挡或灯光的规范。因此,生成网络是一种从数据中学习的近似渲染器(approximate renderer): GQN的表示网络可以学会对对象进行计数、定位和分类,无需任何对象级标签。尽管GQN的表示可能非常小,但是它在查询视点(query viewpoints)上的预测是高度准确的,与ground-truth几乎无法区分。这意味着表示网络能够准确地感知,例如识别构成以下场景的块的精确配置: GQN可以表示、测量和减少不确定性。即,白条套现的商家,使内容不完全可见,它也能对场景的不确定性进行解释,并且可以将场景的多个局部视图组合成一个连贯的整体视图。如下图所示,这是由其第一人称(first-person)和自上而下的预测(top-down predictions)显示的。模型通过其预测的可变性来表示不确定性,不确定性随着其在迷宫中移动而逐渐减小(灰色的椎体指示观察位置,黄色椎体指示查询位置): GQN的表示允许稳健的、数据有效(data-efficient)的强化学习。当给定GQN的紧凑表示时,与无模型基线agent相比, state-of-the-art的深度强化学习agent能够以更高的数据效率方式完成任务,如下图所示。对于这些agent,生成网络中编码的信息可以被看作是对环境的“先天”知识:   图:使用GQN,我们观察到数据效率更高的策略学习(policy learning),与使用原始像素的标准方法相比,其获得收敛级性能的交互减少了约4倍。

  未来方向

  GQN建立在此前大量相关工作的基础上,包括多视图几何、生成建模、无监督学习和预测学习,我们在论文中有详细讨论。

  GQN演示了一种学习紧凑的、基础的物理场景表示的新方法。关键的是,我们提出的方法不需要专用领域工程(domain-specific engineering)或耗时的场景内容标记,从而允许将相同的模型应用于各种不同的环境。GQN还学会了一个强大的神经渲染器,能够从新的视角生成精确的场景图像。

  与更传统的计算机视觉技术相比,我们的方法仍然有许多限制,目前只有接受过合成场景的训练。然而,随着获得更多新的数据源,以及硬件功能的进展,我们期望能够探索GQN框架在更高分辨率的真实场景图像中的应用。在未来的工作中,我们将探索GQN在场景理解的更广泛方面的应用,例如通过查询跨空间和时间学习物理和运动的常识概念,以及虚拟和增强现实中的应用。

  尽管在我们的方法在投入实用前还有很多研究需要完成,但我们相信这项工作是迈向完全自主场景理解的一大步。

本文首发于微信公众号:新智元。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。

分期乐可消费额度套现 —【企鹅—2383754602】【薇辛—17359413353】【无.需.打.开】【诚.信.第.一】【安.全.无.风.险】,花呗,京东,任性付,信用卡,等各种套现业务,行业顶尖品质,包您满意。

  新华网西安6月13日电(汪亚)应急管理部日前发布数据显示,今年1-5月份全国各类生产安全事故起数和死亡人数同比分别下降9.0%,任性付套现平台,和7.4%,行业领域安全生产形势的日趋稳定以及区域安全生产水平的整体上升,既离不开全社会主观上安全生产意识的不断提升,更离不开企业、行业客观上对安全生产规章、制度和技术的完善、提升。

  安全生产是人命关天的大事,记者近日跟随“安全生产万里行”采访组赴陕西,调研创新安全管理、建立健全长效机制,筑牢科学管理安全防线的“陕西经验”。

  预防先行 落实安全生产责任制

  政府是安全生产的监管主体,企业是安全生产的责任主体,加强安全生产监管、营造安全生产环境成为减少安全事故发生的主要途径。

  为汲取事故教训,遏制重特大事故发生,陕西省政府在结合本省安全生产形势、特点,决定集中开展道路交通、煤矿、危险化学品安全三项攻坚行动。自今年3月行动开展以来,共检查企业4756家,排查重大隐患618项,已整治464项,整改率75.1%;打击违法违规行为35672起,关闭取缔违法违规生产企业24家,停产停业整顿50家,暂扣吊销许可证36家,行政罚款639余万元,追究刑事责任271人,问责曝光工作不力的单位和个人5家、4人。

  结合《地方党政领导干部安全生产责任制规定》,陕西拟出台省委省政府领导干部安全生产责任清单、省政府领导2018年安全生产重点工作责任清单和省级部门安全生产责任清单,将安全生产责任落实到人。

  作为安全生产的责任主体,企业也在不断探索建立更加有效的安全管理机制。陕西渭河煤化工集团(以下简称“渭化集团”)是省内一家大型煤化工企业,危化品泄露、机械事故成为生产过程中面临的主要危险。为强化双重预防机制建设,突出源,如何套现京东白条,头管控,渭化集团通过多轮次危险源辨识、风险点排查、风险等级评估等系统性分析,形成了作业活动清单、设备设施清单、风险辨识与评价记录、危险源清单等系列风险管理清单。对不同等级的风险分别用红、橙、黄、蓝四种颜色标识,对应明确了公司、职能部门、车间、班组四级管控责任。同时,将风险控制措施投运率、风险等级降低程度纳入安全目标绩效管理,推进安全风险自我辨识、自我控制、自我改进,以安全生产促企业发展。

  据陕西省安全生产委员会办公室统计,1-5月份陕西省各类生产安全事故起数和死亡人数同比分别下降44.5%、35.4%,没有发生重特大安全生产事故。

  寓教于乐 “小手拉大手”效应明显

  醉酒开车、雪地行驶、公交求生究竟是种怎样的体验?在陕西省渭南市,有一座1350平米的交通安全宣传教育基地,可以同时容纳300人免费参观学习,在这里,很多交通安全事故都能通过场景模拟和VR技术让参观者真实、真切的感受到,让书本上、口头上的安全知识变成身边摸得着、看得见的亲身体验。

  “基地的交通安全警示教育厅,主要针对广大交通参与者开展交通安全基础常识认知,进行典型交通事故案例警示教育;交通安全互动体验厅,主要针对儿童、青少年和驾驶人开展文明交通互动体验。我们衷心地希望通过参观学习,让大家对"文明交通"能入眼、入耳、入心,使广大交通参与者的安全意识、法治意识和文明意识得到有效增强,从源头上预防和减少道路交通事故。”渭南市公安局交警支队法宣处民警雷敬周如是说。

  安全生产早已不再是局限于对传统企业生产领域的要求,而是愈加成为一项全民生活、工作的基本能力,学习安全知识、强化安全生产技能也更加注重对孩子的教育、培养。

  西安市曲江南湖小学在创办之初,就确立了“教育发展,安全先行”的理念,自主编写校本教材《南湖生存课》,旨在让学生认识生命、呵护保护生命。学校每周开设一节生存课,并利用少先队活动课、道德与法治学科渗透、校园多媒体设备、校园广播等形式,开展安全预防教育,使学生接受系统的安全知识和技能教育,增强自我防护能力。

  西安市曲江南湖小学校长穆怀宇告诉记者:“都说家长是孩子最好的老师,但是在安全知识方面,孩子很多时候会是家长的老师,对家长的一些不良的行为习惯起到监督和劝教的作用,要重视小手拉大手的积极作用。”

  据了解,,白条套现手续费,为更好推动安全宣传教育“进学校”、普及安全知识常识,西安市安委办组织专家编写小学、初中阶段的安全知识读本,已进入出版程序,今后还将借助“小手拉大手”活动,进一步提升全民安全素质。

 
 
 相关链接
· 哪里可以信用ka套现的地方-深圳“二次房改”会走向何方?“新加坡化”还是“香港化”?
· 花呗怎么套现金-作家的诞生|纯洁滴小龙:我挺咸鱼的,但只要不忘初心就好
· 京东白条怎么套现啊-美韩防长通电话讨论落实特朗普对联合军演的指示
· 什么地方能信用ka套现-清静之地出丑闻!曼谷金山寺方丈私吞公款被逐出佛门
· 蚂蚁套现是怎么套的-央行金融研究所所长:上海建设国际金融中心,要强调本币优先
· 白条闪付套现怎么秒到-台湾宜兰县发生4.1级地震
· 蚂蚁花呗如何提现-衡阳市公安局回应“交警执勤中倒地”事件:2人停职调查
· 江安县蚂蚁花呗套现-青年大提琴演奏家仵代岱 回西安奏响“思乡名曲”
· 凤凰县蚂蚁花呗套现-世界杯伪球迷必备知识点!最后两个笑出鹅叫
· 爱民区蚂蚁花呗套现-全省安全生产 和应急知识网络竞赛启动
 栏目推荐
领导活动 人事任免 网上直播 在线访谈 政务要闻 执法监管
最新文件 法律法规 央企在线 新闻发布 应急管理 服务信息