将机器学习(ML)模型有效地转化为临床实践需要建立临床医生的信任。可解释性,或anML模型证明其结果合理性并帮助临床医生合理化模型预测的能力,一般被认为对建立信任至关重要。然而,该领域在不同环境中缺乏具体定义可用解释。为了确定可解释ML模型建立信任的可解释性的具体方面,我们调查了两个不同的急症护理专业(强化护理单位和紧急部门)的临床医生。我们使用他们的反馈来表征不可解释性有助于提高临床医生对ML模型的信任。我们进一步确定临床医生认为对于有效转化为临床实践最重要和最关键的解释类别。最后,我们识别出严格评估临床可解释性方法的具体指标。通过整合临床医生和MLresearchers之间的可解释性观念,我们希望能够促进ML系统在医疗保健领域的认可和广泛采用以及持续使用。
translated by 谷歌翻译
这项工作提出了xGEM或流形引导样本,通过在数据点跨越决策边界时探索底层数据流形的景观,理解黑盒分类器行为。为此,润湿了一个无监督的隐式生成模型 - 作为数据流形的代理。我们通过沿着歧管对数据样本进行定量来定量地总结黑盒模型行为。我们展示了xGEM在模型学习中检测和量化偏差的能力,以及随着训练的进展理解模型行为的变化。
translated by 谷歌翻译
我们为类别特定的CAD模型提出了一种新颖的基于线的参数化。所提出的参数化使用基于字典的RANSAC方法将所考虑的3D类别特定的CAD模型对象相关联,该方法使用视觉点作为先验,并且在场景的相应强度图像中检测到边缘。关联问题作为经典的几何问题而不是数据集驱动,因此节省了注释数据集中为不同类别对象训练关键点网络的时间和劳动。除了不需要数据集准备之外,该方法还可以完成整个过程,因为此方法仅处理图像一次,因此无需为所有图像中的图像中的每个对象调用网络。 3D-2D边缘关联模块后面是线的截面算法用于恢复对象姿势。该公式优化了物体的形状和姿态,从而有助于更准确地恢复物体3D结构。最后,使用因子图制剂与相机测距法一起构造SLAM问题。
translated by 谷歌翻译
在“安全运营中心”(SoC)工作的安全分析师在确保组织安全方面发挥着重要作用。他们对不断演变和新攻击的背景知识数量在检测攻击的能力方面存在显着差异。开源威胁智能源(如有关网络攻击的文本描述)可以以结构化方式存储在网络安全知识图中。网络安全知识图对于帮助安全分析师检测网络威胁至关重要,因为它以可以查询的语义三元组的形式存储大量网络威胁信息。语义三元组包含twocybersecurity实体,它们之间有关系。在这项工作中,我们提出了一个系统来创建基于网络安全文本的语义三元组,使用深度学习方法来提取可能的关系。我们使用通过我们的系统生成的语义三元组集来在网络安全知识图中断言。安全分析师可以从知识图中检索此数据,并使用此信息来形成有关网络攻击的决策。
translated by 谷歌翻译
对于今天的安全分析师来说,跟上威胁情报是必须的。“野外”中存在大量信息会影响组织。我们需要开发一个人工智能系统来搜索情报来源,让分析师了解各种威胁对她的组织构成风险。一个更好的“tappedin”的安全分析师可以更有效。在本文中,我们提出了Cyber​​-All-Intel一个人工智能系统,以帮助安全分析师。它是一个基于安全信息领域的端到端管道中的知识提取,表示和分析系统。它使用“VKG结构”中的多个知识表示,矢量空间和知识图来存储传入的智能。该系统还使用神经网络模型积极地提高其知识。我们还创建了一个查询引擎和一个警报系统,分析师可以使用它来查找可操作的网络安全见解。
translated by 谷歌翻译
我们介绍了一种产生合成蛋白质序列的方法,该序列被预测为对某些抗生素具有抗性。我们使用预测对人体肠道区域的抗生素具有抗性的6,023个基因进行了这项研究,并作为输入输入到Wasserstein生成对抗网络(W-GAN)模型中,该模型是已知可有效执行的原始生成对抗模型的变体。当涉及模仿真实数据的分布以便生成与作为训练数据馈送的原始数据类似的新数据时
translated by 谷歌翻译
Accurate diagnosis is crucial for preventing the progression of Parkinson's, as well as improving the quality of life with individuals with Parkinson's disease. In this paper, we develop a gender-specific and age-dependent classification method to diagnose the Parkinson's disease using the handwriting based measurements. The gender-specific and age-dependent classifier was observed significantly outperforming the generalized classifier. An improved accuracy of 83.75% (SD = 1.63) with the female-specific classifier, and 79.55% (SD = 1.58) with the old-age dependent classifier was observed in comparison to 75.76% (SD = 1.17) accuracy with the generalized classifier (One way ANOVA with Tukey's honestly significant difference post hoc test, p<0.05). Finally, combining the age and gender information proved to be encouraging in classification. We performed a rigorous analysis to observe the dominance of gender-specific and age-dependent features for Parkinson's detection and ranked them using the support vector machine (SVM) ranking method. Distinct set of features were observed to be dominating for higher classification accuracy in different category of classification.
translated by 谷歌翻译
深度神经网络已经被证明对于具有不可察觉的扰动而被破坏的对抗性输入图像表现出有趣的脆弱性。然而,大多数对抗性攻击假设对图像像素空间进行全局的细粒度控制。在本文中,我们考虑一个不同的设置:如果对手只能改变输入图像的特定属性会发生什么?这些会产生可能明显不同的输入,但仍然看起来很自然,足以欺骗分类器。我们提出了一种新方法,通过优化参数条件生成模型的范围空间上的特定对抗性损失来生成这种“语义”对抗性实例。我们演示了对面部图像训练的二元分类器的攻击的实现,并且表明存在这种自然的语义对抗性示例。我们评估了ourattack对合成和真实数据的有效性,并提出了详细的比较方法。我们用理论边界来补充我们的实证结果,这些理论边界证明了这种参数对抗性实例的存在。
translated by 谷歌翻译
新兴的基于神经网络的机器学习技术,如deeplearning及其变体,已经在许多应用领域中显示出巨大的潜力。然而,当使用从用户收集的数据用于训练神经网络模型以支持预测任务时,由于高度隐私敏感数据的泄漏风险,它们引起严重的隐私问题。为了解决这种严重的隐私问题,在文献中提出了几种使用安全多方计算(SMC)或同态加密(HE)作为底层机制的隐私保护方法。然而,这些加密方法都没有为构建隐私保护机器学习模型提供有效的解决方案,也支持训练和推理阶段。为了解决上述问题,我们提出了一个CryptoNN框架,它支持通过使用新兴的功能加密方案而不是SMC或HE来训练加密数据上的神经网络模型。我们还构建了用于基本算术计算的功能加密方案,以支持所提出的CryptoNN的要求。框架。我们对底层密码方案进行了性能评估和安全性分析,并通过我们的实验证明CryptoNN实现了与MNIST数据集上的基线神经网络模型类似的准确性。
translated by 谷歌翻译
异常活动识别需要检测遭受严重数据不平衡的异常事件的发生。在视频中,normal用于描述符合常规事件的活动,而不符合法线的不规则事件被称为异常。观察正常数据比在视觉监控中获取异常数据更为常见。在本文中,我们提出了一种方法,我们可以通过转换正常数据来获得异常数据。这是一项具有挑战性的任务,通过多阶段管道方法实现。我们利用来自无监督分割的许多技术来合成从现有的一组正常示例转换的新数据样本。此外,该合成方法作为数据增强技术具有有用的应用。使用增量训练的贝叶斯卷积神经网络(CNN)来仔细选择可以添加的异常样本集。最后,通过这种合成方法,我们获得了一组可比较的异常样本,可用于训练CNN用于正常分类。异常样本。我们展示了这种方法通过在两个真实世界数据集上进行评估来推广到多个设置,并且通过过去用于此任务的其他概率技术实现了改进的性能。
translated by 谷歌翻译