Needleman–Wunsch algorithm
PulseAugur coverage of Needleman–Wunsch algorithm — every cluster mentioning Needleman–Wunsch algorithm across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI系统重建手写国际象棋对局，识别错误
研究人员开发了Zugwise，一个用于从记分表中重建手写国际象棋对局的新颖系统。与传统的 handwriting recognition 不同，Zugwise 将任务视为游戏重建，采用计算机国际象棋技术来识别可能的人为错误。该系统包含一个荒谬检测器和一个反向搜索来精确定位错误，以及一个 Needleman-Wunsch 算法来整合来自双方棋谱的证据。这种方法显著减少了隐性错误，并提高了识别正确着法修正的准确性。
-
新的集成方法提高了艺术文本识别的准确性
研究人员开发了一种新的艺术文本识别（ATR）方法，提高了在WordArt-V1.5等挑战性数据集上的准确性。该方法将多个现有模型（SVTRv2、PARSeq、MAERec）组合成一个置信度感知的集成，根据字符置信度优先考虑预测。此外，一个使用Needleman-Wunsch算法和词典引导校正的精炼阶段针对长词，这些词在准确识别方面尤其困难。该系统在特定的测试分割上实现了89.90%的单词识别准确率，优于单个模型，并在长词上显示出显著的提升。
-
足球传球决策由新的图神经网络预测
研究人员开发了一个图神经网络（GNN）框架来预测职业足球中的接球手选择。这种消息传递神经网络（MPNN）将场上互动建模为动态图，将球员表示为节点，将传球线路表示为具有各种指标的边。该模型基于追踪和事件数据进行训练，在识别实际接球手方面表现出具有竞争力的准确性，并在前三名建议方面取得了最先进的成果，为表现分析师提供了一个快速评估大量传球的工具。