雷竞技rebat人工智能前沿|新和最近的文章

美国黑人英语增强dennamug:使用twitter探讨句法低频的变化形式

泰勒•琼斯 — 2023 - 01 - 27 t00:00:00z

有些语言形式可能是已知两个扬声器和语言学家,而是自然发生的频率如此之低的传统社会语言学方法不允许进行研究。本研究主要探讨这样一个现象:增强器的语法再分析在某些形式的非裔美国人英语完整的短语<斜体>比母亲(傻瓜)< /斜体>词汇单词(这里表示<斜体> dennamug < /斜体>)—使用收集的数据从twitter。探讨之间的关系明显比较语素的词汇化和删除前面的形容词。而先进的传统全集包含很少的令牌可以是屈指可数,twitter产量近300000在10年样本期间的令牌。本文使用Twitter的网页抓取来收集所有的似是而非的正字法表示增强器,并使用逻辑回归分析词汇化程度标记,再分析与相应的从比较转移到裸露的形态学形容词增强器修改,发现,实际上,明显的词汇化程度与裸露的形态密切相关,表明持续的短语层面的词汇化和随后的再分析。这种数字的方法揭示了正在进行的语法变化,新的增强器与光有关,注意比较,形容词,看似稳定的变异与使词汇化程度增强。非裔美国英语的拼写表示在社交媒体上所示的轨迹身份结构和语法变化。

符号回归程序AI-Feynman心理学的应用

Masato宫崎骏 — 2023 - 01 - 27 t00:00:00z

数据中发现隐藏的法律是在许多领域的核心挑战,从自然科学到社会科学。然而,这个任务历来依靠人类的直觉和经验在许多地区,包括心理学。因此,发现法律使用人工智能(AI)有两个显著的优势。首先,它可以探测到人类无法发现的法律。其次,它有助于建立更准确的理论。一个叫做AI-Feynman AI发布在一个非常不同的领域,它的表现令人印象深刻。尽管AI-Feynman最初旨在发现在物理定律,也可以在心理学。本研究旨在考察AI-Feynman是否可以一个新的数据分析方法对跨期选择的实验测试是否能发现双曲线贴现模型作为贴现函数。一个跨期选择实验是为了实现这些目标,和数据被输入进AI-Feynman。因此,7折现函数AI-Feynman提出的候选人。 One candidate was the hyperbolic discount model, which is currently considered the most accurate. The three functions of the root-mean-squared errors were superior to the hyperbolic discount model. Moreover, one of the three candidates was more “hyperbolic” than the standard hyperbolic discount function. These results indicate two things. One is that AI-Feynman can be a new data analysis method for inter-temporal choice experiments. The other is that AI-Feynman can discover discount functions that humans cannot find.

自动检测的海豚学习功能与卷积网络和传输

捉弄努尔Korkmaz — 2023 - 01 - 26 t00:00:00z

有效的海上环境保护濒危物种和野生动物管理需要实现高效、准确的环境监测和可伸缩的解决方案。Ecoacoustics提供非侵入性的优势,长期采样环境声音和有潜力成为生物多样性调查的参考工具。然而,声波数据的分析和解释是一个耗时的过程,通常需要大量的人力监督。这个问题可能是利用现代技术解决自动音频信号分析,最近取得了令人印象深刻的性能由于深度学习研究进展。在本文中,我们表明,卷积神经网络确实可以大大优于传统的自动检测方法在一个具有挑战性的任务:从水下海豚口哨录音的识别。该系统可以检测信号即使在环境噪声的存在,同时不断减少的可能性产生假阳性和假阴性。我们的研究结果进一步支持采用人工智能技术来提高海洋生态系统的自动监测。

心理词汇:明天蓝图的字典吗?

迈克尔Zock — 2023 - 01 - 25 - t00:00:00z

趋势在脑电图信号特征提取的应用程序

Kaur Anupreet辛格 — 2023 - 01 - 25 - t00:00:00z

本文将专注于脑电图(EEG)信号分析重点是常用的特征提取技术研究文献中所提到的,以及各种各样的应用程序,这可以应用到。在本文中,我们将介绍单和多维EEG信号处理和特征提取技术在时域,频域,分解域、时频域和空间域。我们还提供讨论的方法的伪代码,这样他们可以复制生物医学从业人员和研究人员在他们的特定区域的工作。此外,我们讨论人工智能应用,如辅助技术、神经系统疾病分类、脑机接口系统,以及机器学习集成同行,完成整个管道设计EEG信号分析。最后,我们讨论未来的工作可以创新EEG信号分析的特征提取领域。

条件autoencoder训练和优化算法的个性化护理血友病的患者

塞德里克大餐 — 2023 - 01 - 25 - t00:00:00z

本文使用深条件autoencoder预测治疗患有血友病患者疾病的影响。条件autoencoder半监督学习模型的抽象表示数据和提供条件重建功能。这种模型是适合有限的问题和/或部分可观测的数据,为数据在医学上常见的情况。深条件autoencoders允许高度非线性函数的表示这让他们有希望的候选人。然而,参数的优化和hyperparameters尤为复杂。参数优化的经典方法的随机初始化权重矩阵方法同样简单的架构,但深架构并不可行。hyperparameter优化的架构,经典的交叉验证方法是昂贵的。在本文中,我们提出解决方案使用条件训练的算法和增量优化策略。这种解决方案减少估计的方差过程和提高学习算法的收敛性。我们的建议是申请个性化照顾血友病的患者。 Results show better performances than generative adversarial networks (baseline) and highlight the benefits of your contribution to predict the effect of treatments for patients.

列车自动驾驶车辆:增值(或缺乏)的课程学习和重播缓冲区

萨拉·马哈茂德 — 2023 - 01 - 25 - t00:00:00z

学习只有实际收集的数据是不现实的,而且会耗费大量的时间在许多场景。另一个选择是使用合成数据作为学习环境学习罕见情况和回放缓冲区加快学习速度。在这项工作中,我们将研究如何创建环境的假设影响强化学习培训的代理通过自动生成的环境机制。我们以自主车辆为应用程序。我们比较两种方法的效果,为人工认知代理生成训练数据。我们认为课程学习是人类学习的附加值来结构小说训练数据,代理没有见过以及使用重播缓冲进一步训练数据代理已经见过。换句话说,本文的重点是在训练数据的特征,而非学习算法。因此我们使用两个任务,通常培训在自主车辆研究早期:车道保持和避免行人。我们的主要结果表明,课程学习的确提供了一个额外的好处在香草强化学习方法(使用Deep-Q学习),但实际上重播缓冲区有不利影响在大多数(但不是全部)这里我们考虑数据生成方法的组合。课程学习的好处是依赖于一个良好定义的困难度规的存在可以订购各种训练场景。 In the lane-keeping task, we can define it as a function of the curvature of the road, in which the steeper and more occurring curves on the road, the more difficult it gets. Defining such a difficulty metric in other scenarios is not always trivial. In general, the results of this paper emphasize both the importance of considering data characterization, such as curriculum learning, and the importance of defining an appropriate metric for the task.

统计活检:一个新兴的早期发现癌症的筛查方法

格雷戈里·r·哈特 — 2023 - 01 - 20 - t00:00:00z

尽管大型投资癌症仍然是全世界死亡率和发病率的主要来源。检测和诊断的传统方法如活检和成像,通常很贵,有并发症的风险。随着数据越来越丰富和机器学习继续推进,人们很自然地问他们如何可以帮助解决一些问题。在本文中,我们表明,使用一个人的个人健康数据可以预测各种癌症的风险。我们称这个过程为“统计活检。“具体来说,我们训练两个神经网络,预测风险对16个不同癌症类型女性和其他预测风险在男性15个不同癌症类型。网络训练的二元分类器识别个人,被诊断出患有不同癌症类型的5年内加入PLOC审判。然而,而不是使用二进制分类器的输出显示,连续的输出可以被用作癌症风险允许全面的看一个人的癌症风险。英国生物库数据集我们测试multi-cancer模型显示,对于大多数癌症的广义预测好,看着从个人健康数据多个癌症风险是一种可能性。而统计活检将无法取代传统活检诊断癌症,我们希望可以有一个范式的转变如何使用统计模型在癌症检测移动比一般人群更强大和更个性化的筛查指标。

假审查使用机器学习识别和效用评估模型

Wonil崔 — 2023 - 01 - 19 t00:00:00z

由于结构性增长的电子商务平台,交换意见和频率的在线评论的平台参与者的数量与产品增加。然而,鉴于虚假评论的发展,相应的在线评论的质量似乎增长缓慢,在最好的。病例数造成的损害零售商和消费者恶意虚假评论每年都稳步上升。在这种情况下,用户越来越难以确定有用的评论在大量的信息。因此,在线评论的内在价值,减少不确定性知识的决策是模糊,和电子商务平台即将失去信誉和交通。通过这项研究,我们打算提出相关解决方案审查过滤和分类通过构建一个模型来判断在线评论的真实性和有效性使用机器学习。

临床识别概念:评估现有系统在电子医疗纪录

胡安·安东尼奥·Lossio-Ventura — 2023 - 01 - 13 t00:00:00z

<秒> <标题> < /名称> 目的采用电子健康记录(EHRs)产生了大量的数据,在临床数据科学创造的研究机会。几个概念识别系统已经开发出来,以促进临床从这些数据中提取信息。虽然研究存在许多理念识别系统的性能比较,他们一般在内部开发,并可能是偏见由于不同的内部实现,参数使用,和有限的系统包括在评估中。本研究的目的是评估现有系统的性能来检索相关临床从电子病历的概念。 < /秒> <秒> <标题> < /名称> 方法我们研究六个理念识别系统,包括夹,cTAKES, MetaMap, NCBO注释器,QuickUMLS, ScispaCy。临床概念提取的程序,包括疾病,药物,和解剖位置。系统性能评估在两个数据集:2010 i2b2 MIMIC-III。此外,我们评估这些系统的性能在五个具有挑战性的情况,包括否定、严重性、缩写、模棱两可,拼写错误。 < /秒> <秒> <标题> < /名称> 结果为临床概念提取,夹在精确和不精确匹配,达到最佳性能的f值0.70和0.94,分别在i2b2;MIMIC-III,分别为0.39和0.50。 Across the five challenging situations, ScispaCy excelled in extracting abbreviation information (F-score: 0.86) followed by NCBO Annotator (F-score: 0.79). CLAMP outperformed in extracting severity terms (F-score 0.73) followed by NCBO Annotator (F-score: 0.68). CLAMP outperformed other systems in extracting negated concepts (F-score 0.63).

Conclusions

Several concept recognition systems exist to extract clinical information from unstructured data. This study provides an external evaluation by end-users of six commonly used systems across different extraction tasks. Our findings suggest that CLAMP provides the most comprehensive set of annotations for clinical concept extraction tasks and associated challenges. Comparing standard extraction tasks across systems provides guidance to other clinical researchers when selecting a concept recognition system relevant to their clinical information extraction task.

三个层次的用户的认知可以在人工智能

浸信会Liefooghe — 2023 - 01 - 13 t00:00:00z

人工智能(AI)在现代社会起着重要的作用。人工智能应用程序是无处不在的,帮助在日常生活中我们做许多决定。一个常见的和重要的功能这样的人工智能应用程序的用户模型。这些模型允许一个人工智能应用程序适应一个特定的用户。在这里,我们认为用户模型在AI可以优化建模这些用户模型更接近人类认知模型。我们确定了三个层次的见解从人类认知也可以被集成在用户模型。这种整合与用户模型可以非常宽松只被人类认知的一般知识的启发或非常紧密的与用户模型实现特定的认知过程。使用基于ai应用程序上下文中的教育作为一个案例研究中,我们证明了用户模型,更深深植根于认知模型提供更有效、更细粒度的适应个体用户。我们建议这样的用户模型也可以提前可辩解的人工智能的发展。

Zero-shot姿态检测:范例和挑战

艾米丽Allaway — 2023 - 01 - 13 t00:00:00z

姿态检测的主要挑战是大(可能无限)和各种立场的话题。收集数据等一系列由于注释的费用是不现实的和不断创造新的真实的主题(例如,一个新的政客竞选办公室)。此外,stancetaking发生在各种各样的语言和类型(例如,Twitter,新闻文章)。英文虽然zero-shot姿态检测,评估主题培训期间未见,已经受到了越来越多的关注,我们认为这种关注应该扩展到多语言和multi-genre设置。我们讨论两个范例英语zero-shot姿态检测评估,以及最近在这个领域工作。然后我们讨论最近的工作在多语种和multi-genre姿态检测,主要集中在non-zero-shot设置。我们认为这项工作应该扩展到多语言和multi-genre zero-shot姿态检测并提出最佳实践系统化和刺激未来的工作方向。而域适应技术非常适合在这些设置工作,我们认为增加护理应采取提高模型explainability并进行可靠的评估,考虑不仅经验泛化能力也理解复杂的语言和推论。

霜使用机器学习和深层神经网络预测模型

卡尔·j·Talsma — 2023 - 01 - 12 t00:00:00z

本研究描述准确,计算有效的模型,可以实现实际应用在预测霜点尺度农业应用程序的事件。冰系伤害农民在农业是一种昂贵的负担和全球粮食安全。及时预测霜事件重要的是降低农业成本的冰系伤害和传统数值天气预报经常不准确的在复杂地形的油田规模。在本文中,我们开发了机器学习(ML)算法的预测霜事件镇长附近纳米点尺度。ML算法研究包括深层神经网络、卷积神经网络和随机森林模型的订货6-48 h。我们的结果显示有前途的准确性(6小时预测RMSE = 1.53 - -1.72°C)用于霜和最低温度预报的应用。季节模型预测的差异导致了轻微的负偏压在春季和夏季秋季和冬季和积极的偏见。此外,我们测试了模型的可转让性通过持续的培训和测试使用数据从传感器在附近的一个农场。我们计算随机森林模型的功能重要性和能够确定哪些参数预测模型提供了最有用的信息。我们确定土壤温度是关键参数在长期预测(在24小时),而其他温度相关参数提供的大多数信息的短期预测。模型误差相比有利于先前基于ML弗罗斯特研究和超过了身体的高分辨率快速刷新预测系统使我们ML-models对部署的吸引力对霜冻事件的实时监控和损害商业农业业务。

自动分类的信号地区1 h核磁共振谱

体能训练时会Fischetti这样 — 2023 - 01 - 11 t00:00:00z

信号的识别和表征地区核磁共振(NMR)谱分析中是一个具有挑战性但至关重要的阶段和决心的复杂化合物。深在这里,我们提出一个新颖的监督学习方法进行自动检测和分类的多胎1 <一口> < /一口> H NMR谱。我们的深层神经网络训练的大量合成光谱,与完全控制在样品的特性。我们表明,我们的模型可以有效地检测信号区域和最小化分类误差之间的不同类型的共振模式。我们证明网络推广非常真实实验1 <一口> < /一口> H NMR谱。

功能定位作为生成过程

蒂亚戈de Souza法瑞斯 — 2023 - 01 - 11 t00:00:00z

可逆性在人工神经网络允许我们检索给定的输入输出。我们目前的功能定位,在任意逼近可逆性神经网络的方法。我们训练一个网络通过最小化的输出数据点之间的距离和随机输出对随机输入。我们应用技术MNIST、CIFAR-10 CelebA, STL-10图像数据集。我们证明此方法可以大致恢复图像从他们潜在的表示,不需要一个译码器。利用变分autoencoders的配方,我们证明它可以产生新的图像统计与训练数据。此外,我们表明,图像的质量可以提高耦合发电机和鉴频器在一起。此外,我们展示了这个方法,与一些小的修改,在本地可用于训练网络,节省计算机内存资源的潜力。

孤立的单一声音唇读使用基于事件框架相机和相机

达Kanamaru — 2023 - 01 - 11 t00:00:00z

与传统相机不定位,基于事件的相机检测到每个像素的亮度值随时间的变化。本研究工作在唇读一个新的应用程序的基于事件的相机。本文提出了基于摄像头一个事件为孤立单唇读识别声音。该方法包含事件数据的成像,脸和面部特征点检测和识别使用时间卷积网络。此外,本文提出一种方法,它结合了两种形式的框架相机和一个基于事件的相机。为了评估该方法,话语的场景收集15日本辅音从20人使用一个基于事件的相机和摄像机和建造一个原始的数据集。几个实验通过生成图像在多个帧率从一个基于事件的相机。结果,识别精度最高的基于事件的相机的图像中获得60 fps。此外,它被证实,结合两模式识别精度收益率高于单一形态。

作物基因组选择与深度学习和环境数据:一项调查

谢赫Jubair — 2023 - 01 - 10 - t00:00:00z

机器学习技术作物基因组选择,尤其是对单一环境植物,是成熟的。这些机器学习模型,使用密集的全基因组标记预测表型,经常很好地运行在单独的环境数据集,尤其是对复杂性状受多个标记。另一方面,机器学习模型预测作物表型,特别是深度学习模型,使用数据集跨不同的环境条件,最近才出现。模型可以接受异构数据源,如温度、土壤条件和降水,是自然选择建模GxE试件进行预测。在这里,我们回顾新兴深度学习技术,结合环境数据直接进入基因组选择模型。

权力和团结在爱沙尼亚COVID-19迹象:符合政府的指导方针,我们问你戴上面具

Ilona Tragel — 2023 - 01 - 09 - t00:00:00z

这篇文章提供了定量分析的结果900年爱沙尼亚COVID-19门标志,是研究探讨语言的符号之间建立和保持联系的作者(机构)和收件人(客户端)。马林诺夫斯基的“交际性谈话”的概念和紫菜的“自我导向型”的概念和“其他”话语表达状态的关系