【AI论文精粹】人工解释；类脑计算和神经形态硬件；时间语言基础；混合脑机接口系统的应用

标题：人工解释的多样性和局限性

时间：2021.6.22

作者：Chenhao Tan

机构：University of Chicago

链接：https://arxiv.org/abs/2106.11988

简介：

人工解释的多样性和局限性。NLP 越来越多的努力旨在构建人工解释的数据集。然而，解释一词包含了广泛的概念，每个概念都有不同的属性和后果。本文的目标是提供一个不同类型的解释和人工局限性的概述，并讨论在NLP中收集和使用解释的意义。受心理学和认知科学先前工作的启发，将NLP中现有的人工解释分为三类：近似机制、证据和程序。这三类性质不同，并且对由此产生的解释有影响。例如，程序在心理学中不被视为解释，而是与从指令中学习的大量工作相联系。解释的多样性进一步体现在代理问题上，这些代理问题是标记者解释和回答开放式的为什么问题所需要的。最后，解释可能需要与预测不同的，通常是更深层次的理解，这让人怀疑人工是否能在某些任务中提供有用的解释。

标题：用于内存计算的完全兼容 CMOS 的无源 TiO2 忆阻器交叉开关

时间：2021.6.22

作者：Abdelouadoud El Mesoudy, Gwénaëlle Lamri, Raphaël Dawant, Javier Arias-Zapata, Pierre Gliech, Yann Beilliard, Serge Ecoffey, Andreas Ruediger, Fabien Alibart, Dominique Drouin

机构：Institut Interdisciplinaire d′Innovation Technologique (3IT)，Université de Sherbrooke,3 Institut National de la Recherche Scientifique (INRS), Institute of Electronics, Microelectronics and Nanotechnology (IEMN), Université de Lille, 

链接：https://arxiv.org/abs/2106.11808

简介：

类脑计算和神经形态硬件是很有前途的方法，它们为克服当前基于传统冯诺依曼架构的计算范式所面临的局限性提供了巨大的潜力。在这方面，开发忆阻器交叉阵列的兴趣增加了，因为它们能够本地执行神经网络实现所需的内存计算和基本突触操作。为了获得最佳效率，基于交叉开关的电路需要与工业 CMOS 技术的制造工艺和材料兼容。在此，我们报告了具有 700 nm 宽电极的基于 TiO2 的无源忆阻器横杆的完整 CMOS 兼容制造工艺。我们展示了通过镶嵌工艺成功制造底部电极，从而获得优化的形貌和低至 1.1 nm 的表面粗糙度。 DC 扫描和电压脉冲编程产生与类似突触的多级切换相关的统计结果。研究了周期到周期和设备到设备的可变性。使用 200 ns 电压脉冲序列对电导进行模拟编程表明，由于循环到循环的可重复性，制造的存储器具有至少 3 位的多级容量

标题：用于语言基础的弱监督时间相邻网络

时间：2021.6.30

作者：Yuechen Wang, Jiajun Deng, Wengang Zhou, Houqiang Li

机构：IEEE

链接：https://arxiv.org/abs/2106.16136

简介：

时间语言基础 (TLG) 是视觉和语言理解的一个基本且具有挑战性的问题。现有的方法主要集中在带有时间边界标签的完全监督设置上进行训练，然而，这会带来昂贵的注释成本。在这项工作中，我们致力于弱监督 TLG，其中多个描述句子被赋予一个没有时间边界标签的未修剪视频。在这项任务中，学习句子语义和视觉内容之间强大的跨模态语义对齐至关重要。为此，我们引入了一种用于时间语言基础的新型弱监督时间相邻网络（WSTAN）。具体来说，WSTAN 通过在多实例学习 (MIL) 范式中利用时间相邻网络以整个描述段落作为输入来学习跨模态语义对齐。此外，我们将一个补充分支集成到框架中，它通过 MIL 阶段的伪监督明确地改进了预测。在 MIL 分支和互补分支上设计了一个额外的自判别损失，旨在通过自监督来增强语义判别。在三个广泛使用的基准数据集\emph{i.e.}、ActivityNet-Captions、Charades-STA 和 DiDeMo 上进行了大量实验，结果证明了我们方法的有效性。

标题：使用 SSVEP 和眨眼的混合 BCI 系统实现轮椅自动化

时间：2021.6.10

作者：Lizy Kanungo, Nikhil Garg, Anish Bhobe, Smit Rajguru, Veeky Baths

机构：没有机构

链接：https://arxiv.org/abs/2106.11008

简介：

这项工作提出了一种混合脑机接口系统，用于残疾人轮椅的自动化。此处详细介绍了基于 BCI 的轮椅的工作原型，它可以在典型的家庭环境中导航，对结构进行最少的修改，并且不会给用户带来任何视觉障碍和不适。该原型基于稳态视觉诱发电位和眨眼的组合机制。为了引发 SSVEP，分别使用以 13Hz 和 15Hz 闪烁的 LED 来选择左右方向，并记录 EEG 数据。此外，连续闪烁三下被用作停止正在进行的动作的指标。应用小波包去噪方法，然后在窄带重构脑电信号上应用小波包分解和典型相关分析等特征提取方法。贝叶斯优化用于获得 5 折交叉验证以优化支持向量机的超参数。测试得到的新模型并获得平均交叉验证准确度 89.65% + 6.6% (SD) 和测试准确度 83.53% + 8.59% (SD)。轮椅由RaspberryPi通过WiFi控制。开发的原型在所有试验中平均成功率为 86.97%，每个命令执行时间为 4.015 秒。该原型可以在家庭环境中有效使用，不会给用户带来任何不适。