今天的电信网络已成为大量广泛异构数据的来源。该信息可以从网络交通轨迹,网络警报,信号质量指示符,用户行为数据等中检索。需要高级数学工具从这些数据中提取有意义的信息,并从网络生成的数据中做出与网络的正常运行有关的决策。在这些数学工具中,机器学习(ML)被认为是执行网络数据分析和实现自动网络自配置和故障管理的最具前景的方法之一。 ML技术在光通信网络领域的应用受到光网络在最近几年所面临的网络复杂性的前所未有的增长的推动。这种复杂性的增加是由于引入了一系列可调和相互依赖的系统参数(例如,路由配置,调制格式,符号率,编码方案等),这些参数通过使用相干传输/接收技术,高级数字信号处理和光纤传播中非线性效应的补偿。在本文中,我们概述了ML在光通信和网络中的应用。我们对涉及该主题的相关文献进行分类和调查,并且我们还为对该领域感兴趣的研究人员和从业者提供了ML的入门教程。虽然最近出现了大量的研究论文,但ML光学网络的应用仍处于起步阶段:为了激发这一领域的进一步工作,我们总结了该论文提出了新的可能的研究方向。
translated by 谷歌翻译
本文提出了一种新的多模态话语的众源资源:我们的资源以连贯关系的形式表征了烹饪食谱领域中图像文本语境的推论。就像之前的文本论证之间的语音结构一样,如PennDiscourse Treebank,我们的新语料库有助于建立对自然交流和常识推理的更好理解,而我们的研究结果具有广泛应用的影响,例如理解和生成多模态文档。
translated by 谷歌翻译
最近,通过灵活的随机走路方法,新的优化目标和深层架构,无监督网络表示学习(UNRL)方法在图表方面取得了可观的进展。然而,没有共同的基础来进行系统比较嵌入,以了解不同图形和任务的行为。在本文中,我们理论上在一个统一的框架下对不同的方法进行分组,并实证研究不同网络表示方法的有效性。特别值得一提的是,UNRL的大多数方法都明确地或隐含地模拟了一个节点的索引上下文信息。因此,我们提出了一个框架,将基于随机游走,矩阵分解和基于深度学习的各种方法投射到基于上下文的统一优化函数中。我们基于它们的相似性和差异系统地对方法进行分组。我们详细研究了这些方法之间的差异,这些方法用于解释它们的性能差异(下游任务)。我们进行了一项大规模的实证研究,考虑了9种流行的和最近的UNRL技术以及11种具有不同结构特性和两个常见任务的真实数据集 - 节点分类和链接预测。我们发现没有一种方法是明显的赢家,并且选择合适的方法取决于嵌入方法的某些属性,底层图的任务和结构属性。此外,我们还报告了评估UNRL方法的常见缺陷,并提出了实验设计和结果解释的建议。
translated by 谷歌翻译
面部微表情是突然的无意识的微小肌肉运动,揭示了人们试图隐藏的真实情绪。由于其持续时间和强度较短,发现微观表达并认识到它是一项重大挑战。许多作品采用传统的,基于深度学习的方法来解决这个问题,但由于数据集不可用而导致学习低级特征和高精度的问题。这促使我们提出空间和时间网络的联合结构,从特征图中提取时间对比特征,以对比快速肌肉运动的微观表达。时间对比特征的使用极大地改善了从不显眼的面部运动中发现的微观表达。此外,我们还包括一个记忆模块来预测微表情剪辑的时间帧上的微表情的类别和强度。与CASMEII数据集上的其他常规方法相比,Ourmethod实现了卓越的性能。
translated by 谷歌翻译
心导管实验室的急诊和非计划心脏病学入院增加了心脏病学和住院部门管理的复杂性。在本文中,我们试图使用时间序列模型研究导管实验室心脏病学入院的行为。 Ourresearch涉及从2012年3月1日至2016年11月3日从爱荷华州一家医院检索的回顾性心脏病学入院数据。自动回归整合移动平均值(ARIMA),Holts方法,平均方法,简单方法,季节性纳米,指数平滑和漂移方法实施了来自导管实验室的每周心脏病学入院。 ARIMA(2,0,2)(1,1,1)被选为具有最小误差和Akaike信息准则和Schwartz贝叶斯准则的最佳拟合模型。该方法拒绝了平稳性的零假设,缺乏独立的证据,并且拒绝了正常性的零假设。这项研究的意义不仅是改善导管插入实验室工作人员的时间表,提倡有效使用成像设备和住院遥测床,还要装备管理层主动解决住院病人过度拥挤,规划物理容量扩张等问题。
translated by 谷歌翻译
类人机器人的应用在医疗保健领域已经很普遍。它一直被用于改善自闭症,癌症和脑瘫儿童的社会行为和软化水平。本文从人为因素的角度讨论了相同的内容。它表明不同年龄和性别的人对人形机器人的应用和接受有不同的看法。此外,本文还强调了脑状况和社会互动对用户行为和对人形机器人的态度的影响。我们的研究进行了文献综述,发现(a)儿童和老年人由于社交互动不活跃而喜欢人形机器人。(b)人类机器人的确定性行为可以被认为可以改善自闭症儿童的社会行为。(c)对人形机器人的信任度很高由其应用和用户年龄,性别和社交生活驱动。
translated by 谷歌翻译
自闭症谱系条件(ASC)或自闭症谱系障碍(ASD)主要通过行为指征来识别,包括社会,感觉和运动特征。尽管在诊断过程中测量了分类,复发运动的动作,但是对于自闭症运动配置中某些运动学相貌的可量化测量没有得到充分研究,阻碍了对运动切割病因的理解。诸如影响ASD的行为特征等主题方面需要进一步探索。目前,可以获得与筛查ASD相伴的有限自闭症日,并且大部分是遗传。因此,在这项研究中,我们使用了与自动筛查相关的数据集,其中包含10个行为和10个个人属性,这些属性对行为科学中的对照诊断ASD病例无效。 ASD诊断时间详尽且不经济。全球范围内迅速发展的ASD病例需要快速经济的筛查工具。我们的研究旨在利用Levenberg-Marquardtal算法实现人工神经网络,以检测ASD并检查其预测准确性。连续地,开发早期ASD识别的临床决策支持系统。
translated by 谷歌翻译
恶性胸膜间皮瘤(MPM)或恶性间皮瘤(MM)是一种分析性的侵袭性肿瘤,在胸膜中成为癌症,胸膜与肺部接触。 MPM的诊断很困难,并且它占美国美国每年诊断的所有间皮瘤的百分之七十五。作为一种致命疾病,MPM的早期识别对于患者的生存至关重要。我们的研究实施逻辑回归并发展关联规则以识别MM的早期症状。我们检索了Dicle大学生成的医学报告,并实施了logisticregression来测量模型的准确性。我们进行了(a)逻辑相关,(b)综合测试和(c)模拟评估的Hosmer和Lemeshow测试。此外,我们还通过信心,规则支持,提升,条件支持和可部署性制定了关联规则。分类逻辑回归将训练准确率从72.30%提高到81.40%,测试精度为63.46%。该研究还显示前5种症状大多可能表明存在于MM中。本研究的结论是,使用预测模型可以增强MM的主要表现和诊断。
translated by 谷歌翻译
随着2012年10月1日医疗保险和医疗补助服务中心医院再入院减少计划的出现,预测未计划的患者再入院风险对医疗保健领域至关重要。文献中有实际工作强调发展风险预测模型;然而,这些模型不够准确,无法在实际的临床环境中使用。我们的研究将患者进食风险作为优化目标,并开发了一种有用的风险预测模型来解决计划外再入院问题。此外,GeneticAlgorithm和Greedy Ensemble用于优化开发的模型约束。
translated by 谷歌翻译
宫颈癌是全世界领先的妇科恶性肿瘤。本文介绍了多种分类技术,并展示了特征选择方法对宫颈癌最佳预测的优势。有32个属性,有8,58个样本。此外,这些数据还存在缺失值和不平衡数据。因此,使用了过采样,欠采样和嵌入式上下采样。此外,需要降维技术来提高分类器的准确性。因此,已经研究了特征选择方法,因为它们分为两个不同的类别,过滤器和包装器。结果表明,年龄,第一次性交,妊娠次数,吸烟,激素避孕药和性病:生殖器疱疹是主要的预测特征,准确率高达97.5%。决策树分类器被证明在处理具有优异性能的分类分配方面是有利的。
translated by 谷歌翻译