很大一部分临床生理监测警报是错误的。这通常会导致临床人员的警报疲劳，不可避免地会损害患者的安全。为了解决这个问题，研究人员试图构建机器学习（ML）模型，能够准确裁定生命体征（VS）警报在血液动力学监测的患者的床边提出的警报，为真实或人工制品。先前的研究利用了需要大量手工标记数据的监督ML技术。但是，手动收集此类数据可能是昂贵的，耗时的和平凡的，并且是限制医疗保健中ML广泛采用（HC）的关键因素。取而代之的是，我们探索使用多个单独的启发式方法来自动将概率标签分配给使用弱监督的未标记培训数据。我们的弱监督模型在传统的监督技术方面具有竞争力，并且需要较少的领域专家参与，这证明了它们用作ML HC应用中监督学习的高效和实用替代方案。
translated by 谷歌翻译
Computing systems are tightly integrated today into our professional, social, and private lives. An important consequence of this growing ubiquity of computing is that it can have significant ethical implications of which computing professionals should take account. In most real-world scenarios, it is not immediately obvious how particular technical choices during the design and use of computing systems could be viewed from an ethical perspective. This article provides a perspective on the ethical challenges within semiconductor chip design, IoT applications, and the increasing use of artificial intelligence in the design processes, tools, and hardware-software stacks of these systems.
translated by 谷歌翻译
本文提出了一种称为前向组合传播（FCP）的算法，以说明在结构化模式识别问题上运行的前馈神经网络的预测。在所提出的FCP算法中，每个神经元由表示该神经元中的每个问题特征的作用的组合载体描述。使用给定的输入实例初始化构成向量，随后通过整个网络传播，直到我们到达输出层。值得一提的是，一旦完成网络的训练网络，就会执行该算法。每个组成值的符号指示相应的特征是否激发或抑制神经元，而绝对值会定量这种影响。旨在验证FCP算法的正确性，我们开发了一个关于偏见检测的案例研究，在其最先进的问题中，地面真理是已知的。仿真结果表明，构图值与保护特征的预期行为密切对齐。
translated by 谷歌翻译
雅典娜2.0是一家亚历克萨奖的社会奖，这是最后两个Alexa奖奖挑战的决赛。雅典娜成功的一个原因是其新的对话管理战略，它允许它动态构建组件模块的对话和响应，导致每个互动的新型对话。在这里，我们在20/21竞争期间描述了Athena的Alexa奖的系统设计和性能。雅典娜的活跃演示以及视频录音将挑起对话AI的艺术状态的讨论。
translated by 谷歌翻译
开放式对话系统的一个挑战是需要对任何主题产生真实，高质量的响应。我们的目标是提高Athena的质量和覆盖，Alexa奖项对话系统。我们试验几次以初步的提示学习，将GPT-Neo与侏罗纪-1比较，用于电影，音乐，电视，运动和视频游戏域，包括不同的提示设定大小（2， 3,10），格式和意义表示由一组Wikidata Kg三元组或对话行为组成。我们的评估使用BLEurt和人类指标，并表明，随着10次提示，雅典娜 - 侏罗纪的表现对于连贯性和语义准确性明显更好。 2-Shot跨域提示的实验导致雅典娜-GPT-NEO的巨大性能下降，其语义精度下降至0.41，其不真实的幻率增加到12％。对对话行为进行视频游戏的实验表明，随着10次提示，两种模型都学会控制对话行为，但犹太犹太人的一致性较高，只有4％的幻觉。我们的结果表明，雅典娜 - 侏罗纪产生足够高的质量产出，可用于具有真实用户的现场系统。据我们所知，这些是第一个展示基于几枪语的语义及时的学习的第一次结果，可以创建对新域推广的NLG，并直接从意义表示产生高质量，语义控制的会话响应。
translated by 谷歌翻译