人机交互的参与是参与互动的实体建立，维护和结束他们感知连接的过程。必须监测各种基于AI的医疗范式范式的患者的参与状态。这包括改变社会行为的医疗条件，例如自闭症谱系障碍（ASD）或注意力缺陷/多动障碍（ADHD）。订婚是一种多方面构造，由行为，情感和精神组成部分组成。以前的研究忽视了参与的多面条性质。在本文中，提出了一种系统以使用上下文和关系特征来区分这些方面。这可以促进进一步细粒度的分析。将多种机器学习分类器包括传统和深度学习模型，以获得此任务。在具有基于神经网络的分类的22242个实例的平衡数据集上，可以获得具有F分数和0.74和0.23的F分和0.23％的最高精度。
translated by 谷歌翻译
In speech recognition, it is essential to model the phonetic content of the input signal while discarding irrelevant factors such as speaker variations and noise, which is challenging in low-resource settings. Self-supervised pre-training has been proposed as a way to improve both supervised and unsupervised speech recognition, including frame-level feature representations and Acoustic Word Embeddings (AWE) for variable-length segments. However, self-supervised models alone cannot learn perfect separation of the linguistic content as they are trained to optimize indirect objectives. In this work, we experiment with different pre-trained self-supervised features as input to AWE models and show that they work best within a supervised framework. Models trained on English can be transferred to other languages with no adaptation and outperform self-supervised models trained solely on the target languages.
translated by 谷歌翻译
Transfer operators offer linear representations and global, physically meaningful features of nonlinear dynamical systems. Discovering transfer operators, such as the Koopman operator, require careful crafted dictionaries of observables, acting on states of the dynamical system. This is ad hoc and requires the full dataset for evaluation. In this paper, we offer an optimization scheme to allow joint learning of the observables and Koopman operator with online data. Our results show we are able to reconstruct the evolution and represent the global features of complex dynamical systems.
translated by 谷歌翻译
一种共同的销售策略涉及让帐户高管（AES）积极联系并与潜在客户联系。但是，并非所有的接触尝试都有积极的效果：有些尝试不会改变客户的决策，而另一些尝试甚至可能会干扰所需的结果。在这项工作中，我们建议使用因果推断来估计与每个潜在客户联系并相应地制定联系政策的效果。我们从在线珠宝市场worthy.com上证明了这种方法。我们研究了有价值的业务流程，以确定相关的决策和结果，并对他们制定的方式进行正式的假设。使用因果工具，我们选择了一个决策点，改善AE接触活动似乎是有希望的。然后，我们制定了一个个性化的政策，建议仅与对其有益的客户联系。最后，我们在3个月内验证了A \ B测试中的结果，从而导致目标人群的项目交付率增加了22％（p值= 0.026）。现在，该政策正在持续使用。
translated by 谷歌翻译
数据科学有可能改善各种垂直领域的业务。尽管狮子的数据科学项目使用了一种预测方法，但这些预测应成为决策。但是，这种两步的方法不仅是最佳的，甚至可能降低性能并使项目失败。另一种选择是遵循规范性的框架，在该框架中，行动是“第一公民”，以便该模型制定规定采取行动的政策，而不是预测结果。在本文中，我们解释了为什么规定的方法很重要，并提供了分步方法论：规定的画布。后者旨在改善项目利益相关者的框架和沟通，包括项目和数据科学经理，以成功地产生业务影响。
translated by 谷歌翻译
自闭症谱系障碍（ASD）是一种脑部疾病，其特征是幼儿时期出现的各种体征和症状。 ASD还与受影响个体的沟通缺陷和重复行为有关。已经开发了各种ASD检测方法，包括神经影像学和心理测试。在这些方法中，磁共振成像（MRI）成像方式对医生至关重要。临床医生依靠MRI方式准确诊断ASD。 MRI模态是非侵入性方法，包括功能（fMRI）和结构（SMRI）神经影像学方法。但是，用fMRI和SMRI诊断为专家的ASD的过程通常很费力且耗时。因此，已经开发了基于人工智能（AI）的几种计算机辅助设计系统（CAD）来协助专家医生。传统的机器学习（ML）和深度学习（DL）是用于诊断ASD的最受欢迎的AI方案。这项研究旨在使用AI审查对ASD的自动检测。我们回顾了使用ML技术开发的几个CAD，以使用MRI模式自动诊断ASD。在使用DL技术来开发ASD的自动诊断模型方面的工作非常有限。附录中提供了使用DL开发的研究摘要。然后，详细描述了使用MRI和AI技术在自动诊断ASD的自动诊断期间遇到的挑战。此外，讨论了使用ML和DL自动诊断ASD的研究的图形比较。最后，我们提出了使用AI技术和MRI神经影像学检测ASD的未来方法。
translated by 谷歌翻译
通用形态（UNIMORPH）项目是一项合作的努力，可为数百种世界语言实例化覆盖范围的标准化形态拐角。该项目包括两个主要的推力：一种无独立的特征架构，用于丰富的形态注释，并以各种语言意识到该模式的各种语言的带注释数据的类型级别资源。本文介绍了过去几年对几个方面的扩张和改进（自McCarthy等人（2020年）以来）。众多语言学家的合作努力增加了67种新语言，其中包括30种濒危语言。我们已经对提取管道进行了一些改进，以解决一些问题，例如缺少性别和马克龙信息。我们还修改了模式，使用了形态学现象所需的层次结构，例如多肢体协议和案例堆叠，同时添加了一些缺失的形态特征，以使模式更具包容性。鉴于上一个UniMorph版本，我们还通过16种语言的词素分割增强了数据库。最后，这个新版本通过通过代表来自metphynet的派生过程的实例丰富数据和注释模式来推动将衍生物形态纳入UniMorph中。
translated by 谷歌翻译
在这里，我们研究了无监督实体解析中匹配的记录聚类问题。我们建立在名为Data Whink Machine（DWM）的最先进的概率框架上。我们介绍基于图形的分层2步记录聚类方法（GDWM），首先识别大，连接的组件，或者在我们调用它们时，使用在DWM中使用的基于图的传递闭合算法匹配的记录对中的软簇。随后通过使用适应性的基于图形的模块化优化方法将发现的软群体分解为更精确的实体簇。我们的方法提供了若干优势，主要是DWM的原始实施，主要是显着的加速，提高精度，总体增加的F1分数。我们展示了我们使用多个合成数据集的实验的方法的功效。我们的结果还提供了图表理论的算法效用的证据，尽管他们在无监督实体解决方案中的文献中的稀疏性。
translated by 谷歌翻译
阳性是来自观察数据的因果推断的三种条件之一。验证积极性的标准方法是分析倾向的分布。然而，为了民主化非专家做因果推断的能力，需要设计一种算法（i）测试阳性和（ii）解释在缺乏协变量阳性的地方。后者可用于建议违反阳性的进一步因果分析和/或鼓励实验的限制。本文的贡献首先存在自动正性分析的问题，其次是基于两个步骤过程提出算法。第一步，模拟协变量上的倾向条件，然后使用多个假设检测分析后一分布，以产生积极违规标签。第二步使用非对称修剪的决策树以解释。后者进一步转换为可读文本，非专家可以理解。我们在大型软件企业的专有数据集上展示了我们的方法。
translated by 谷歌翻译
本文研究了全球动态和高级功能的知识如何为流动环境中的机器人提供信息。具体而言，我们调查如何连贯的集合，在这些环境中发现的环境特征，可通知在这些方案中的机器人意识。所提出的方法是一种在线环境特征发生器，可用于机器人推理。我们在线计算Chereent Sets与机器学习的技术和设计框架，用于机器人行为，用于利用连贯的集合功能。我们展示了在线方法在离线方法上的有效性。值得注意的是，我们应用这些在线方法，以便通过水进行人行动行为和机器人导航的机器人监控。相干套装等环境特征为机器人提供了丰富的上下文，更智能，更高效的行为。
translated by 谷歌翻译