作为巴西卫生部为提高全国放射治疗线性加速器的可用性而制定的计划的一部分,瓦里安医疗系统公司赢得了竞标,签署了技术合作协议,邀请巴西科学和技术机构参与技术转让计划。因此,与此同时,埃尔多拉多研究所和坎皮纳斯大学生物医学工程中心共同提出了一项拟议的规则引擎的概念,以帮助进行放射治疗计划的评估和决策。通常,确定给定患者的辐射剂量是一个复杂而密集的过程,这需要来自肿瘤学家团队的大量领域知识和主观经验。为了帮助他们完成这项复杂的任务,并且为缺乏经验的肿瘤学家提供辅助工具,它提出了一个软件系统的项目概念,该系统将利用混合数据导向的方法。所提出的规则引擎将应用参考机制和表达评估,通过首先考虑3D-适形放射治疗(3DCRT)技术来验证和认证外部束放射治疗计划的质量。
translated by 谷歌翻译
了解行人动态对于众多的应用来说是不可或缺的,包括交通网络的设计和商业发展的规划。行人计数通常需要使用手动或技术手段来计算每个感兴趣位置的个体行人。然而,这种方法不能扩展到城市的大小,并且这里提出了一种新的方法来填补这个空白。在这个项目中,我们使用了大量密集的纽约市图像数据以及深度学习和计算机视觉技术来构建相对行人密度的时空图。由于最先进的计算机视觉方法的局限性,自动检测行人本身就是错误的。我们将这些误差建模为概率过程,为此我们提供理论分析和数值模拟。我们证明,在一个假设中,我们的方法可以提供对行人密度的合理估计,并为产生的误差提供理论界限。
translated by 谷歌翻译
产量预测对于农业利益相关者至关重要,可以通过使用机器学习模型和来自多个来源的数据获得。产量预测的大多数解决方案依赖于NDVI(归一化差异植被指数)数据,这是获取和处理的耗时。为了提高产量预测的可扩展性,在本文中,我们描述了包含卫星衍生降水和土壤属性数据集的系统,来自物理模型和其他来源的季节气候预测数据,以产生大豆/玉米产量的季前预测---没有NDVI数据。该系统通过满足对高分辨率遥感数据的需求并允许农民为作物周期的不利气候影响做好准备,从而提供了非常有用的结果。在我们的研究中,我们预测了巴西和美国的大豆和玉米产量,相当于2016年全球粮食产量的44%。结果表明,大豆和玉米产量预测的误差指标与仅在第一次提供产量预测信息的类似系统相当。数周到数月的农作物周期。
translated by 谷歌翻译
Item Response Theory (IRT) aims to assess latent abilities of respondents based on the correctness of their answers in aptitude test items with different difficulty levels. In this paper, we propose the β 3-IRT model, which models continuous responses and can generate a much enriched family of Item Characteristic Curves. In experiments we applied the proposed model to data from an online exam platform, and show our model outperforms a more standard 2PL-ND model on all datasets. Furthermore, we show how to apply β 3-IRT to assess the ability of machine learning classifiers. This novel application results in a new metric for evaluating the quality of the classifier's probability estimates, based on the inferred difficulty and discrimination of data instances.
translated by 谷歌翻译
从社会互动的角度考虑群体的效率,在多个项目中分配人员是一个重要的问题。在本文中,基于以前的工作,基于社会计量技术的多队形成问题(MTFP)被制定为一个优化问题,考虑到团队成员之间的社会互动。为了解决由此产生的优化问题,我们提出了一种遗传算法,因为该问题具有NP难度性质。社会凝聚力是一个直接影响工作环境生产力的重要问题。因此,保持适当的凝聚力水平可以使一个团队聚集在一起,这将对项目的结果产生积极影响。该提案的目的是从社会互动的角度确保最佳的有效性。通过这种方式,所提出的算法可以作为管理者在多个项目中构建人员的决策工具。为了分析所提方法的性能,进行了基准测试的计算实验,并与穷举法进行了比较。结果是有希望的,并表明该算法通常在短的计算时间内获得接近最优的结果。
translated by 谷歌翻译
We investigate the performance of a machine learning classification technique, called the Parzen window, to mitigate the fiber nonlinearity in the context of dispersion managed and dispersion unmanaged systems. The technique is applied for detection at the receiver side, and deals with the non-Gaussian nonlinear effects by designing improved decision boundaries. We also propose a two-stage mitigation technique using digital back propagation and Parzen window for dispersion unmanaged systems. In this case, digital back propagation compensates for the deterministic nonlinearity and the Parzen window deals with the stochastic nonlinear signal-noise interactions, which are not taken into account by digital back propagation. A performance improvement up to 0.4 dB in terms of Q factor is observed.
translated by 谷歌翻译
我们介绍了GQA,这是一个用于实际视觉推理和组合问题解答的新数据集,旨在解决以前的VQA数据集的关键缺点。我们已经开发了一个强大而强大的问题引擎,它利用场景图结构来创建22M多种推理问题,所有推理都带有代表其语义的功能程序。我们使用这些程序来严格控制答案分布,并提出一种新的可调平滑技术来减轻语言偏差。伴随数据集是一套新的指标,用于评估基本质量,如一致性,基础和合理性。对基线和最先进的模型进行了广泛的分析,为不同的问题类型和拓扑提供了细粒度的结果。盲目LSTM仅获得42.1%,强VQA模型达到54.1%,人类表现达到89.3%,为新研究提供了充分的机会。我们强烈希望GQA将为下一代模型提供支持资源,增强稳健性,提高一致性,并对图像和语言进行更深入的语义理解。
translated by 谷歌翻译
实际项目调度通常需要在选择和替代生产活动的确切长度方面具有灵活性。此外,在许多生产计划应用中,必须同时安排多个批次。为了满足这些要求,引入了一个新的灵活资源约束的多项目调度问题,其中两个决策(活动选择灵活性和时间灵活性)被集成。除最小化完工时间外,还提出了两个由asteel行业应用案例启发的替代目标:最大化所选活动的平衡时间(时间平衡)和均衡资源利用(资源平衡)的最大化。针对已开发的集成柔性项目调度问题,提出了新的混合整数和约束规划(CP)模型。通过使用IBMILOG CPLEX的CP Optimizer解决大型钢铁行业实例,可以显示建议的CP模型的实际适用性。此外,灵活的资源约束项目调度问题(RCPSP)的基准实例被解决为最优。
translated by 谷歌翻译
传统的治疗方法限制了外科医生的灵活性控制,这是由于有限的视野。随着机器人辅助手术的出现,微创手术的医疗技术已经发生了范式转变。然而,在手术场景中追踪手术器械的位置是非常具有挑战性的,并且精确检测和识别手术工具是至关重要的。基于深度学习的手术视频的语义分割框架有可能促进这项任务。在这项工作中,我们通过引入经过预先训练的编码器并重新设计解码器部分来修改名为U-NetPlus的U-Net架构,方法是将转置的卷积操作替换为基于最近邻(NN)插值的上采样操作。为了进一步提高性能,我们还采用了一种非常快速且灵活的数据增强技术。我们通过MICCAI 2017EndoVis Challenge数据集对8 x 225帧机器人手术视频序列进行了框架训练,并在8 x 75帧和2 x 300帧视频上进行了测试。使用我们的U-NetPlus架构,我们报告用于二进制分割的90.20%DICE,用于仪器部分分割的76.26%DICE,以及​​用于仪器类型(即,所有仪器)分段的46.07%,优于在这些数据上实现和测试的先前技术的结果。
translated by 谷歌翻译
本报告概述了利用大数据革命和大规模计算解决多信使天体物理学中的重大计算挑战的最新工作,特别强调实时发现活动。该文件承认了多信使天体物理学的跨学科性质,由物理学家,天文学,计算机科学,数据科学,软件和网络基础设施社区的成员编写,他们参加了NSF-,DOE-和NVIDIA资助的“多信使天体物理学的深度学习”。 :实时发现规模“研讨会,于2018年10月17日至19日在国家超级计算应用中心举办。本报告的重点包括一致同意这对于加速新型信号处理算法的开发和部署至关重要。利用人工智能(AI)和高性能计算之间的协同作用,最大限度地发挥Multi-Messenger天体物理学的潜在科学发现。我们讨论了实现这一努力的关键方面,即(i)为多信使天体物理学设计和利用可扩展和计算效率高的AI算法;(ii)数字模拟天体物理资源的网络基础设施要求,以及处理和解释多信使天体物理学数据; (iii)管理引力波探测和触发以实现电磁和天体粒子跟踪; (iv)利用未来发展的机器和深度学习以及网络基础设施资源的愿景与大数据时代的发现规模相结合; (v)需要建立一个社区,将领域专家与数据科学家一起进行平等,以最大限度地加速发现多信天体物理学的新兴领域。
translated by 谷歌翻译