三维临床步态分析对于选择脑瘫患者（CP）的最佳治疗干预措施至关重要，但会产生大量的时间序列数据。对于对这些数据的自动分析，机器学习方法产生了有希望的结果。但是，由于其黑盒的性质，这种方法常常受到临床医生的不信任。我们提出了GaitxPlorer，这是一种视觉分析方法，用于对CP相关的步态模式进行分类，该方法集成了Grad-CAM（一种完善的可解释的人工智能算法），用于解释机器学习分类。交互式视觉界面中突出显示了与分类高相关的区域。在两名临床步态专家的案例研究中评估了该方法。他们检查了使用视觉界面的八名患者的样本的解释，并表达了他们认为值得信赖的相关性得分，并且他们发现哪些相关性得分。总体而言，临床医生对该方法给出了积极的反馈，因为它使他们可以更好地了解数据中的哪些区域与分类有关。
translated by 谷歌翻译
保护私人信息是数据驱动的研究和业务环境中的关键问题。通常，引入匿名或（选择性）删除之类的技术，以允许数据共享，e。 G。在协作研究的情况下。为了与匿名技术一起使用，$ k $ - 匿名标准是最受欢迎的标准之一，具有许多有关不同算法和指标的科学出版物。匿名技术通常需要更改数据，因此必然会影响在基础数据上训练的机器学习模型的结果。在这项工作中，我们对不同的$ k $ - 匿名算法对机器学习模型结果的影响进行了系统的比较和详细研究。我们研究了与不同分类器的一组流行的$ K $匿名算法，并在不同的现实数据集上对其进行评估。我们的系统评估表明，凭借越来越强的$ K $匿名性约束，分类性能通常会降低，但在不同程度上，并且强烈取决于数据集和匿名方法。此外，蒙德里安可以被视为具有最具吸引力的后续分类属性的方法。
translated by 谷歌翻译
选项代表了在增强学习（RL）中跨多个时间尺度推理的框架。由于最近对RL研究社区无监督学习范式的积极兴趣，该期权框架的适应性适应了授权的概念，这与代理商对环境的影响量相对应，并感知这种影响力和这种影响力的能力，可以在环境奖励结构提供的任何监督的情况下进行优化。许多最近的论文以各种方式修改了这一概念，从而取得了值得称赞的结果。但是，通过这些各种修改，授权的初始背景通常会丢失。在这项工作中，我们通过原始授权原则的角度提供了对此类论文的比较研究。
translated by 谷歌翻译