我们证明,可轻松获取行为的数字记录,例如Facebook Likes,可以自动区分各种高度微妙的个人特征,包括:生活满意度,文化种族,政治观点,年龄,性别和人格特征。该分析基于超过738,000名用户的数据集,他们为我们的扩展人格分析授予了他们的Facebook喜欢,社交网络活动,自我中心网络,人口统计特征以及各种心理测试的结果。所提出的模型使用Facebook Like对象之间的唯一映射技术到相应的Facebook页面类别/子类别对象,然后将其评估为用于一组机器学习算法的特征,以预测来自喜欢的个人心理 - 人口统计学概况。该模型在83%的情况下区分宗教和非宗教个体,在87%的情况下区分亚洲和欧洲,在81%的情况下区分情绪稳定和情绪不稳定。我们提供属性和喜欢之间相关性的示例,并提出未来方向的建议。
translated by 谷歌翻译
胶质瘤是最常见的原发性脑恶性肿瘤,具有不同程度的侵袭性,可变预后和各种异质性组织亚区域,即肿瘤周围水肿/侵入组织,坏死核心,活性和非增强核心。这种内在的异质性也被用于它们的放射性表型,因为它们的子区域通过在多参数磁共振成像(mpMRI)扫描中传播的不同强度分布来描绘,反映了不同的生物学特性。它们的异质形状,范围和位置是其中的一部分。使这些肿瘤难以切除的因素,在某些情况下无法手术。切除肿瘤的数量也是纵向扫描中考虑的一个因素,用于评估表观肿瘤以进行潜在的进展诊断。此外,有越来越多的证据表明,各种肿瘤亚区域的准确分割可以为定量图像分析提供预测患者整体的基础。生存。该研究评估了在国际脑肿瘤分割(BraTS)挑战的最后七个实例(即2012-2018)期间用于mpMRI扫描中的脑肿瘤图像分析的最先进的机器学习(ML)方法。具体而言,我们专注于i)评估术前mpMRI扫描中各种神经胶质瘤亚区的分割,ii)通过肿瘤亚区的纵向生长评估潜在的肿瘤进展,超出RECIST标准的使用,以及iii)预测整体术前mpMRI扫描对经历完全切除的患者的生存率。最后,我们研究了为每个任务确定最佳ML算法的挑战,考虑到除了在每个挑战实例上多样化之外,多机构mpMRI BraTS数据集也是一个不断发展/不断发展的数据集。
translated by 谷歌翻译
研究了在高维输入和目标数据学习框架中使用正交投影。首先,我们研究了两个标准目标在降维,最大化方差和保持成对相对距离方面的关系。它们的渐近相关和数值实验的推导表明,预测通常不能满足两个目标。在标准分类问题中,我们确定输入数据的投影,以平衡它们并比较后续结果。接下来,我们将正交投影的应用扩展到深度学习框架。我们引入了新的变分损失函数,可以通过目标数据的变换和投影来集成其他信息。在两个监督学习问题,临床图像分割和音乐信息分类中,所提出的损失函数的应用提高了准确性。
translated by 谷歌翻译
找出观察到的影响的原因和建立事件之间的因果关系是(并且一直是)科学和哲学的基本要素。可以检测因果关系的自动化方法是非常受欢迎的,但是可以推断因果关系的实用方法很难找到,也是正在进行的研究的主题。虽然香农信息仅检测相关性,但有一些信息理论概念“有向信息”已成功检测到某些系统中的因果关系,特别是在神经科学界。然而,最近的工作表明,某些定向信息测量有时可能无法充分估计因果关系的程度,甚至无法识别系统组件之间存在的因果关系,特别是如果神经元以加密方式影响效应神经元。在这里,我们测试加密逻辑在进化过程中出现的频率,该过程为两个基本认知任务生成人工神经回路:运动检测和声音定位。我们的研究结果表明,转移因果关系的熵测量是否具有误导性,在很大程度上取决于所考虑的认知任务。这些结果强调了理解有助于认知处理的基本逻辑过程的重要性,并量化它们在任何给定神经系统中的相关性。
translated by 谷歌翻译
以前关于预测或生成3D人体姿势序列的工作会重新检查关节旋转或关节位置。前一种策略倾向于沿着运动链积累误差,以及当使用欧拉角或指数映射作为参数化时的不连续性。后者需要重新投影到骨架约束上以避免骨骼拉伸和无效配置。这项工作解决了这两个限制QuaterNet表示带四元数的旋转,我们的损失函数在骨架上执行正向运动,以惩罚绝对位置误差而不是角度误差。我们研究了经常性和卷积式体系结构,并对短期预测和长期生成进行了评估。对于后者,从图形文献中定性地判断出最近的神经策略。我们的实验将四元数与欧拉角以及指数映射进行比较,并表明只需要非常短的背景来制定可靠的未来预测。最后,我们证明了Human3.6M的标准评估协议产生了高方差结果,我们提出了一个简单的解决方案。
translated by 谷歌翻译
在电子商务业务中,生成准确可靠的销售预测至关重要。当前最先进的技术通常是单变量的方法,其仅考虑单个产品的历史销售数据来产生预测。然而,在大量相关时间序列可用的情况下,调整单个时间序列对类似相关时间序列的过去行为的预测可能是有益的。认为电子商务平台中的产品分类层次包含大量相关的在销售需求模式可以相关的产品中,我们的尝试是将这些跨系列信息整合到一个统一的模型中。我们通过全球培训长期短期记忆网络(LSTM)来实现这一目标,该长期记忆网络利用了电子商务产品分类层次结构中可用的非线性需求关系。除了预测引擎,我们还提出了一个系统的预处理框架,以克服电子商务环境中的挑战。在产品组合中的销售模式不同的情况下,我们还介绍了几种产品分组策略,以补充LSTM学习方案。我们根据Walmart.com的实际在线市场数据集对经过验证的预测框架进行了实证评估。我们的方法在类别级别和超级部门级别数据集上实现了竞争结果,超越了最先进的技术。
translated by 谷歌翻译
移动和通用机器人越来越多地支持我们的日常生活,需要可靠的机器人控制软件。创建此类软件主要是为了实现称为任务的复杂行为。认识到需要,已经提出了大量特定于领域的规范语言。除了传统的逻辑语言之外,这些允许使用特定指定的任务进行综合,验证,模拟或指导实施。例如,逻辑语言LTL通常由专家用来指定任务,作为规划者的输入,其合成机器人应具有的行为。遗憾的是,特定于域的语言通常与特定的机器人模型相关联,而非专家则难以使用诸如LTL之类的逻辑语言。我们为移动机器人提供了22个任务规范模式的目录,以及用于实例化,编写和编译模式以创建任务规范的工具。这些模式为周期性规范问题提供了解决方案,每个问题都详细说明了使用意图,已知用途,与其他模式的关系,以及---最重要的 - 模板任务规范的时间逻辑。我们的工具生成以LTL和CTL时间逻辑表示的规范,供规划人员,模拟器或模型检查器使用。该模式源于从机器人文献中提取的245个实际文本任务要求,并且它们被评估为总共441个实际任务要求和1251个任务规范。我们在两个着名的工业合作伙伴中开发了五种反射场景,开发了人体尺寸的机器人。我们使用模拟器和两个真实的机器人验证了我们的模式的正确性。
translated by 谷歌翻译
血糖(SMBG)和连续血糖监测(CGM)的自我监测通常被1型糖尿病(T1D)患者用于测量葡萄糖浓度。所提出的自适应基础推注算法(ABBA)支持来自SMBG或CGM设备的输入,以基于前一天患者的葡萄糖水平提供针对每日基础速率和餐时胰岛素剂量的个性化建议。 ABBA基于强化学习(RL),一种人工智能,并在计算机上验证了具有100个成年人的FDA接受人群,在三个模拟月份的不同现实情景下。这些情景包括每天三顿主餐和一小时零食,以及胰岛素敏感性,进餐时间,碳水化合物量和葡萄糖测量时间的不同变化和不确定性。结果表明,所提出的方法与CGM或SMBG作为输入信号实现了相当的性能,而不影响总的每日胰岛素剂量。结果是一个有希望的迹象,AI算法方法可以提供个性化的自适应胰岛素优化和实现葡萄糖控制 - 独立于葡萄糖监测技术的类型。
translated by 谷歌翻译
我们通过基于Kiros等人的多尺度特征学习方法来解决血管分割问题,该方法在VESSEL12 MICCAI挑战中实现了当前的最高分。根据他们对功能学习的想法而不是手工制作的过滤器,我们扩展了学习3D功能的方法。使用通过最小角度回归的字典学习,在多尺度方案中以无监督的方式学习这些特征。 3D特征内核进一步与输入卷卷积以创建特征映射。这些地图用于训练带有注释体素的监督分类器。为了利用大量滤波器处理3D数据,已经开发了并行实现。该算法已应用于VESSEL12挑战提供的示例扫描和注释。我们已经将我们的设置与Kiros等人进行了比较。通过运行他们的实现。我们目前的结果显示,切片方法的准确度从96.66 $ \ pm $ 1.10%增加到97.24 $ \ pm $ 0.90%。
translated by 谷歌翻译
我们首次尝试使用深度学习结构从中等(3.9 {\μm}各向同性)和低(8.3 {\ mu} m各向同性)分辨率的X射线计算机断层扫描体积数据集执行短玻璃纤维语义分割。我们在合成和真实CT扫描上进行了实验,并评估了具有2D和3D内核的深度完全卷积体系结构。我们的人工神经网络在中低分辨率扫描中优于现有方法。
translated by 谷歌翻译