Datathon是一项涉及应用于特定问题的数据科学的时间限制的竞争。在过去的十年中，DATATHON已被证明是领域和专业知识之间的宝贵桥梁。生物医学数据分析是一个具有挑战性的领域，需要工程师，生物学家和医生之间的合作，以更好地了解患者生理学以及指导诊断，预后和治疗干预措施以改善护理实践的指导决策过程。在这里，我们反思了我们在2022年3月底在MIT关键数据组，Rambam Health Care Campus（Rambam）和Haifa技术以色列技术研究所（Technion Institute of Haifa）在以色列组织的活动的结果。要求参与者完成有关他们的技能和兴趣的调查，这使我们能够确定机器学习培训对医疗问题应用的最新需求。这项工作描述了以色列背景下医学数据科学的机会和局限性。
translated by 谷歌翻译
Indian e-commerce industry has evolved over the last decade and is expected to grow over the next few years. The focus has now shifted to turnaround time (TAT) due to the emergence of many third-party logistics providers and higher customer expectations. The key consideration for delivery providers is to balance their overall operating costs while meeting the promised TAT to their customers. E-commerce delivery partners operate through a network of facilities whose strategic locations help to run the operations efficiently. In this work, we identify the locations of hubs throughout the country and their corresponding mapping with the distribution centers. The objective is to minimize the total network costs with TAT adherence. We use Genetic Algorithm and leverage business constraints to reduce the solution search space and hence the solution time. The results indicate an improvement of 9.73% in TAT compliance compared with the current scenario.
translated by 谷歌翻译
尽管越来越受欢迎，但图形神经网络（GNN）仍然存在多个未解决的问题，包括缺乏嵌入的表现力，向遥远的节点传播信息以及大规模图的培训。了解此类问题的根源并提供解决方案需要开发分析工具和技术。在这项工作中，我们提出了可恢复性的概念，该概念衡量了随机变量中所包含的信息量，以恢复另一种形式。我们提供了一种有效的可恢复性经验估计的方法，证明了它与GNN中的信息聚集的紧密关系，并展示了如何在无监督的图表学习中使用该新概念。我们通过对各种数据集和不同GNN体系结构的广泛实验结果证明，估计的可回收性与聚集方法的表达性和图形稀疏质量相关，可以使用我们的无监督方法来学习GNN表示，并且可恢复性的正则性可缓解准确性下降，从而缓解准确性下降。 GNN深度。重现我们的实验的代码可从https://github.com/anonymons1252022/recoverability获得
translated by 谷歌翻译