近年来，解决机器学习公平性（ML）和自动决策的问题引起了处理人工智能的科学社区的大量关注。已经提出了ML中的公平定义的一种不同的定义，认为不同概念是影响人口中个人的“公平决定”的不同概念。这些概念之间的精确差异，含义和“正交性”尚未在文献中完全分析。在这项工作中，我们试图在这个解释中汲取一些订单。
translated by 谷歌翻译
创新者是有创造力的人，他们可以唤起代表创新组织主要引擎的开创性思想。过去的研究已广泛调查了谁是创新者以及他们在与工作有关的活动中的行为。在本文中，我们建议有必要分析创新者在其他情况下的行为，例如在非正式沟通空间中，在没有正式结构，规则和工作义务的情况下共享知识。利用通信和网络理论，我们分析了大型跨国公司的Intranet论坛上可用的38,000个帖子。由此，我们解释了创新者在社交网络行为和语言特征方面与其他员工的不同。通过文本挖掘，我们发现创新者编写更多，使用更复杂的语言，介绍新的概念/想法，并使用积极但基于事实的语言。了解创新者的行为和沟通如何支持想要促进创新的经理的决策过程。
translated by 谷歌翻译
对脑外伤（TBI）患者的准确预后很难为治疗，患者管理和长期护理提供信息至关重要。年龄，运动和学生反应性，缺氧和低血压以及计算机断层扫描（CT）的放射学发现等患者特征已被确定为TBI结果预测的重要变量。 CT是临床实践中选择的急性成像方式，因为其获取速度和广泛的可用性。但是，这种方式主要用于定性和半定量评估，例如马歇尔评分系统，该系统容易受到主观性和人为错误。这项工作探讨了使用最先进的，深度学习的TBI病变分割方法从常规获得的医院入院CT扫描中提取的成像生物标志物的预测能力。我们使用病变体积和相应的病变统计作为扩展TBI结果预测模型的输入。我们将我们提出的功能的预测能力与马歇尔分数进行比较，并与经典的TBI生物标志物配对。我们发现，在预测不利的TBI结果时，自动提取的定量CT功能的性能与Marshall分数相似或更好。利用自动地图集对齐，我们还确定额叶外病变是不良预后的重要指标。我们的工作可能有助于更好地理解TBI，并提供有关如何使用自动化神经影像分析来改善TBI后预测的新见解。
translated by 谷歌翻译
2022-07-10
顺序决策的一种流行方法是，以机器学习（ML）方法（如策略学习）进行基于模拟器的搜索。另一方面，如果有完整的声明模型，模型放松启发式方法可以有效地指导搜索。在这项工作中，我们考虑了从业人员如何在无法使用完整符号模型的设置上改善基于ML的黑盒计划。我们表明，指定一个不完整的条带模型，该模型仅描述了问题的一部分，才能使用放松启发式方法。我们对几个计划域的发现表明，这是改善基于ML的黑盒计划的有效方法，而不是收集更多数据或调整ML架构。
translated by 谷歌翻译
在核成像中，有限的分辨率会导致影响图像清晰度和定量准确性的部分体积效应（PVE）。已证明来自CT或MRI的高分辨率解剖信息的部分体积校正（PVC）已被证明是有效的。但是，这种解剖学引导的方法通常需要乏味的图像注册和分割步骤。由于缺乏具有高端CT和相关运动伪像的混合体SPECT/CT扫描仪，因此很难获得准确的分段器官模板，尤其是在心脏SPECT成像中。轻微的错误注册/错误分段将导致PVC后的图像质量严重降解。在这项工作中，我们开发了一种基于深度学习的方法，用于快速心脏SPECT PVC，而无需解剖信息和相关的器官分割。所提出的网络涉及密集连接的多维动态机制，即使网络经过充分训练，也可以根据输入图像对卷积内核进行调整。引入了心脏内血容量（IMBV）作为网络优化的附加临床损失函数。提出的网络表明，使用Technetium-99M标记的红细胞在GE发现NM/CT 570C专用心脏SPECT扫描仪上获得的28个犬类研究表现有希望的表现。这项工作表明，与没有这种机制的同一网络相比，具有密集连接的动态机制的提议网络产生了较高的结果。结果还表明，没有解剖信息的提出的网络可以与解剖学引导的PVC方法产生的图像产生具有统计上可比的IMBV测量的图像，这可能有助于临床翻译。
translated by 谷歌翻译
当在条件属性上以某种方式相关的实例时，发生预测问题的不一致不会遵循决策属性的相同关系。例如，在具有单调性约束的序数分类中，当在条件属性上占据另一个实例的实例已经分配给更糟糕的决策类时，会发生它。它通常出现在由不完全知识（缺少属性）或通过数据生成期间发生的随机效果引起的数据的扰动（在决策属性值的评估中的不稳定性）引起的数据中的扰动。可以使用符号方法如粗糙集理论等象征方法处理和涉及优化方法的统计/机器学习方法，处理相对于清晰的预购关系（表达实例之间的差异或实例之间的无漏能格）不一致。模糊粗糙集也可以被视为对模糊关系处理不一致的象征性方法。在本文中，我们介绍了一种新的机器学习方法，用于对模糊预订关系进行不一致处理。新颖的方法是由用于清脆关系的现有机器学习方法的激励。我们为IT提供统计基础，并开发可用于消除不一致的优化程序。本文还证明了重要的财产，并载有这些程序的教学例子。
translated by 谷歌翻译
随着建模能力的逐步商品化，以数据为中心的AI认识到培训前后发生的事情对于真实世界部署至关重要。在模型卡背后的直觉之后，我们提出了DAG卡作为一种文件形式，包括以数据为中心的观点的原则。我们认为机器学习管道（而不是模型）是许多实际用例中最合适的文档水平，我们与社区共享一个开放实现以从代码生成卡。
translated by 谷歌翻译
货运运营商依靠战术规划，以以成本效益的方式设计他们的服务网络以满足需求。对于计算途径，确定性和循环服务网络设计（SND）配方用于解决大规模问题。中央投入是定期需求，即预期在规划地平线的每个时期中重复的需求。在实践中，通过时间序列预测模型预测需求，周期性需求是这些预测的平均值。然而，这只是许多可能的映射中的一个。在文献中忽略了选择该映射的问题。我们建议使用下游决策问题的结构来选择一个良好的映射。为此目的，我们介绍了一种多级数学编程制定，明确地将时间序列预测的时间序列联系起来对此感兴趣的SND问题。解决方案是定期要求估计，以最大限度地减少战术规划地平线的成本。我们报告了对加拿大国家铁路公司大规模申请的广泛实证研究。他们清楚地表明了定期需求估算问题的重要性。实际上，规划成本对不同的定期需求估计和不同于平均预测的估计产生了重要的变化，可能导致成本较低。此外，基于预测的定期需求估计相关的成本与使用实际需求的平均值获得的比较或甚至更好。
translated by 谷歌翻译
本文提出了一种新方法，将多个标准排序或排名方法与项目组合选择程序结合在一起。多准则方法允许根据一组定性和定量标准对其优先级进行比较。然后，根据多个标准方法定义的优先级选择一组可行的项目，即投资组合。此外，投资组合必须满足一组资源约束，例如可用的预算以及一些逻辑约束，例如与要一起选择的项目或相互排斥的项目有关。提出的投资组合选择方法可以在不同的情况下应用。我们在城市规划领域提出了一个申请，我们的方法允许根据其优先级，预算约束和城市政策要求选择一组城市项目。鉴于历史城市重复其文化遗产的兴趣越来越大，我们在这种情况下应用和测试了我们的方法。特别是，我们展示了该方法如何支持在历史悠久的那不勒斯市中心（意大利）的建筑物干预措施的优先级，并考虑到几种观点。
translated by 谷歌翻译