可信的研究环境（TRE）S是安全和安全的环境，其中研究人员可以访问敏感数据。随着电子健康记录（EHR），医学成像和基因组数据等医疗数据的增长和多样性，通常在使用人工智能（AI）和机器学习子场（ML）的使用增加医疗领域。这产生了披露从TRES的新类型输出的希望，例如培训的机器学习模型。虽然特定的指导方针和政策存在于TRES中的统计披露控制，但它们并不令人满意地涵盖这些新类型的输出请求。在本文中，我们定义了在TRES内医疗保健机器学习的应用程序和披露的一些挑战。我们描述了各种漏洞，引入AI带来了TRES。我们还提供了与培训ML模型的披露相关的不同类型和风险水平的介绍。我们终于描述了开发和调整政策和工具的新研究机会，以安全地披露从TRES的机器学习输出。
translated by 谷歌翻译
西尼罗河病毒（WNV）的发生代表了最常见的蚊子传播的人畜共患病毒感染之一。它的循环通常与适合载体增殖和病毒复制的气候和环境条件有关。最重要的是，已经开发了几种统计模型来塑造和预测WNV循环：尤其是，最近的地球观察数据（EO）数据的巨大可用性，再加上人工智能领域的持续发展，提供了宝贵的机会。在本文中，我们试图通过用卫星图像为深度神经网络（DNN）喂食WNV循环，这些图像已被广泛证明可以具有环境和气候特征。值得注意的是，尽管以前的方法可以独立分析每个地理位置，但我们提出了一种空间感知方法，该方法也考虑了近距离位点的特征。具体而言，我们建立在图形神经网络（GNN）的基础上，以从相邻位置进行聚集特征，并进一步扩展这些模块以考虑多个关系，例如两个地点之间的温度和土壤水分差异以及地理距离。此外，我们将与时间相关的信息直接注入模型中，以考虑病毒传播的季节性。我们设计了一个实验环境，将卫星图像（来自Landsat和Sentinel任务）结合在一起，以及意大利WNV循环的地面真相观察。我们表明，与适当的预训练阶段配对时，我们提出的多种jaCencenciencencencence Graph注意网络（MAGAT）始终导致更高的性能。最后，我们在消融研究中评估MAGAT每个组成部分的重要性。
translated by 谷歌翻译
能够替换人类判断的自动评估指标对于允许快速开发新方法至关重要。因此，许多研究工作集中在制定此类指标上。在这项工作中，我们退后一步，通过比较现有的自动指标和人类指标的身体来分析最近的进度。由于指标是根据它们的排名系统的方式使用的，因此我们比较系统排名空间中的指标。我们广泛的统计分析揭示了令人惊讶的发现：自动指标 - 新老 - 与彼此相比，比人类更相似。自动指标不是互补的，等级系统也类似。令人惊讶的是，人类指标彼此相互预测要比所有用于预测人类指标的自动指标的组合要好得多。令人惊讶的是，人类指标通常被设计为独立，以捕获质量的不同方面，例如内容保真度或可读性。我们对这些发现和建议进行讨论，以在评估领域的未来工作。
translated by 谷歌翻译
The International Workshop on Reading Music Systems (WoRMS) is a workshop that tries to connect researchers who develop systems for reading music, such as in the field of Optical Music Recognition, with other researchers and practitioners that could benefit from such systems, like librarians or musicologists. The relevant topics of interest for the workshop include, but are not limited to: Music reading systems; Optical music recognition; Datasets and performance evaluation; Image processing on music scores; Writer identification; Authoring, editing, storing and presentation systems for music scores; Multi-modal systems; Novel input-methods for music to produce written music; Web-based Music Information Retrieval services; Applications and projects; Use-cases related to written music. These are the proceedings of the 3rd International Workshop on Reading Music Systems, held in Alicante on the 23rd of July 2021.
translated by 谷歌翻译
机械系统自然地在描述其固有对称性的主束上演变。随之而来的配置歧管分解为对称组和内部形状空间，为许多机器人和生物系统的运动提供了深刻的见解。另一方面，差异平坦的属性已实现了各种机器人系统的有效，有效的计划和控制算法。然而，为任意机器人系统找到平坦输出的实际手段仍然是一个悬而未决的问题。在这项工作中，我们在这两个域之间展示了令人惊讶的新连接，这是首次使用对称性直接使用对称性来构建平面输出。我们为捆绑包的琐碎化提供了足够的条件，其中组变量本身是平坦的输出。我们将其称为几何扁平输出，因为它是均衡的（即保持对称性的），并且通常是全局或几乎全球的，因此通常不受其他平坦输出不享受的属性。在这样的琐碎化中，很容易解决运动计划问题，因为组变量的给定轨迹将充分确定精确实现此运动的形状变量的轨迹。我们为机器人系统提供了部分目录，该目录具有几何扁平输出，并为平面火箭，平面空中操纵器和四极管提供了示例。
translated by 谷歌翻译
Teleperation已成为全自动系统，以实现人类机器人的人体水平能力的替代解决方案。具体而言，全身控制的远程运行是指挥类人动物的有前途的无提手术策略，但需要更多的身体和心理努力。为了减轻这一限制，研究人员提出了共享控制方法，结合了机器人决策，以帮助人类完成低级任务，从而进一步减少了运营工作。然而，尚未探索用于全身级别的人型类人形端粒体的共享控制方法。在这项工作中，我们研究了全身反馈如何影响不同环境中不同共享控制方法的性能。提出了时间衍生的Sigmoid功能（TDSF），以产生障碍物的更直观的力反馈。进行了全面的人类实验，结果得出的结论是，力反馈增强了在不熟悉的环境中的全身端粒化表现，但可以在熟悉的环境中降低性能。通过触觉传达机器人的意图显示出进一步的改进，因为操作员可以将力反馈用于短途计划和视觉反馈进行长距离计划。
translated by 谷歌翻译
Covid-19在全球范围内影响了223多个国家。迫切需要非侵入性，低成本和高度可扩展的解决方案来检测COVID-19，尤其是在PCR测试无普遍可用的低资源国家。我们的目的是开发一个深度学习模型，使用普通人群（语音录音和简短问卷）通过其个人设备自发提供的语音数据记录来识别Covid-19。这项工作的新颖性在于开发一个深度学习模型，以鉴定来自语音记录的199名患者。方法：我们使用了由893个音频样本组成的剑桥大学数据集，该数据集由4352名参与者的人群来源，这些参与者使用了COVID-19 Sounds应用程序。使用MEL光谱分析提取语音功能。根据语音数据，我们开发了深度学习分类模型，以检测阳性的Covid-19情况。这些模型包括长期术语记忆（LSTM）和卷积神经网络（CNN）。我们将它们的预测能力与基线分类模型进行了比较，即逻辑回归和支持向量机。结果：基于MEL频率CEPSTRAL系数（MFCC）功能的LSTM具有最高的精度（89％），其灵敏度和特异性分别为89％和89％，其结果通过提议的模型获得了显着改善，这表明该结果显着改善与艺术状态获得的结果相比，COVID-19诊断的预测准确性。结论：深度学习可以检测到199例患者的声音中的细微变化，并有令人鼓舞的结果。作为当前测试技术的补充，该模型可以使用简单的语音分析帮助卫生专业人员快速诊断和追踪Covid-19案例
translated by 谷歌翻译
计算方法开始用于设计数据和生成过程所推动的动态视觉身份。在这项工作中，我们探索了这些计算方法，以生成创建定制效率和图像的视觉标识。我们实现了开发的生成设计系统，该设计系统会自动组装黑白视觉模块。该系统生成设计执行两种主要方法的设计：（i）辅助生成；（ii）自动生成。辅助生成方法产生输出，其中模块的放置由以前定义的配置文件确定。另一方面，自动生成方法会产生输出，其中组装模块以描绘输入图像。该系统加快了一个视觉标识设计的设计和部署的过程，并在它们之间生成了视觉连贯性。在本文中，我们可以压制地描述该系统及其成就。
translated by 谷歌翻译
TMIC是一种应用程序发明家扩展，用于部署ML模型，以在教育环境中使用Google Tochable Machine开发的图像分类。 Google Thotable Machine是一种直观的视觉工具，可为开发用于图像分类的ML模型提供面向工作流的支持。针对使用Google Tochable Machine开发的模型的使用，扩展TMIC可以作为App Inventor的一部分，以tensorflow.js为tensorflow.js导出的受过训练的模型，这是最受欢迎的基于块的编程环境之一，用于教学计算计算K-12。该扩展名是使用基于扩展图片的App Inventor扩展框架创建的，可在BSD 3许可下获得。它可用于在K-12中，在高等教育的入门课程中或有兴趣创建具有图像分类的智能应用程序的任何人。扩展TMIC是由Initiative Computa \ c {C} \ 〜Ao Na Escola的信息学和统计系的圣卡塔纳纳大学/巴西大学提供的研究工作的一部分，旨在在K-中引入AI教育。 12。
translated by 谷歌翻译
本文介绍了2021年进行的一系列教育事件的方法和结果，该活动利用机器人群来教育高中生和大学生有关流行病学模型以及如何为社会和政府政策提供信息。这些事件特别关注Covid-19的大流行，由4个在线和3个面对面的研讨会组成，学生有机会与一群20个定制的Brushbots互动 - 针对优化的小规模振动驱动的机器人便携性和鲁棒性。通过对事后调查中收集的数据的分析，本文展示了这些事件如何对学生对指导现实世界决策的科学方法的看法产生积极影响，以及他们对机器人技术的兴趣。
translated by 谷歌翻译