压力溃疡在ICU患者中具有很高的患病率，但如果以初始阶段识别，则可预防。在实践中，布拉登规模用于分类高风险患者。本文通过使用MIMIC-III V1.4中可用的数据调查了在电子健康中使用机器学习记录数据的使用。制定了两个主要贡献：评估考虑在住宿期间所有预测的模型的新方法，以及用于机器学习模型的新培训方法。结果与现有技术相比，表现出卓越的性能;此外，所有型号在精密召回曲线中的每个工作点都超过了Braden刻度。 - - les \〜oes por按\〜ao possuem alta preval \ ^ encia em pacientes de Uti e s \〜ao preven \'iveis ao serem endicidificadas em Est \'agios Iniciais。 na pr \'atica materiza-se a escala de braden para classifica \ c {c} \〜ao de pacientes em risco。 Este Artigo Investiga o Uso de Apenizado de M \'Aquina Em Dados de Registros Eletr \ ^ Onicos Para Este Fim，Parir Da Base dados Mimic-III V1.4。 s \〜ao feitas duas contribui \ c {c} \〜oes principais：uma nova abordagem para a avalia \ c {c} \〜ao dos modelos e da escala da escala de braden levando em conta todas作为predi \ c {c} \ 〜oes feitas ao longo das interna \ c {c} \〜oes，euro novo m \'etodo de treinamento para os modelos de aprendizo de m \'aquina。 os结果os overidos superam o estado da arte everifica-se que os modelos superam意义a escala de braden em todos oS pontos de Opera \ c {c} \〜〜ao da curva de precis \〜ao por sensibilidade。

在这项工作中，研究了来自磁共振图像的脑年龄预测的深度学习技术，旨在帮助鉴定天然老化过程的生物标志物。生物标志物的鉴定可用于检测早期神经变性过程，以及预测与年龄相关或与非年龄相关的认知下降。在这项工作中实施并比较了两种技术：应用于体积图像的3D卷积神经网络和应用于从轴向平面的切片的2D卷积神经网络，随后融合各个预测。通过2D模型获得的最佳结果，其达到了3.83年的平均绝对误差。 - Neste Trabalho S \〜AO InvestigaDAS T \'Ecnicas de Aprendizado Profundo Para a previ \ c {c} \〜ate daade脑电站a partir de imagens de resson \ ^ ancia magn \'etica，Visando辅助Na Identifica \ c {C} \〜AO de BioMarcadores Do Processo Natural de Envelhecimento。一个identifica \ c {c} \〜ao de bioMarcarcores \'e \'util para a detec \ c {c} \〜ao de um processo neurodegenerativo em Est \'Agio无数，Al \'em de possibilitar Prever Um decl 'inio cognitivo relacionado ou n \〜ao \`一个懒惰。 Duas T \'ECICAS S \〜AO ImportyAdas E Comparadas Teste Trabalho：Uma Rede神经卷应3D APLICADA NA IMAGEM VOLUM \'ETRICA E UME REDE神经卷轴2D APLICADA A FATIAS DO PANIAS轴向，COM后面fus \〜AO DAS PREDI \ C {c} \ \ oes个人。 o Melhor ResultAdo Foi optido Pelo Modelo 2D，Que Alcan \ C {C} OU UM ERRO M \'EDIO ABSOLUTO DE 3.83 ANOS。

在人类生活的最初阶段，沟通被视为社会互动的过程，始终是达成当事方之间达成共识的最佳方法。在此过程中的理解和可信度对于相互协议的验证至关重要。但是，如何做到这一沟通才能达到巨大的群众？当寻求的是信息及其批准时，这是主要的挑战。在这种情况下，本研究介绍了ALT软件，该软件是由适应葡萄牙语的原始可读性指标开发的，以减少通信困难。该软件的开发是由哈贝马斯（Habermas）的沟通行动理论激励的，哈贝马斯（Habermas）使用多学科风格来衡量与公众建立和维持与公众建立和保持安全健康关系的沟通渠道中话语的可信度。 - 没有est \'agio da vida humana a comunica \ c {c} \ 〜ao，vista como um como um como um como de intera \ c {c} \ 〜ao社交，foi semper o melhor caminho para para para o consenso Entre作为partes。 o entendimento e credibilidade nesse processo s \ 〜Ao Fundamentais para para que o acordo m \'utuo seja seja valyado。 Mas，Como faz \^e-lo de forma que essa comunica \ c {c} \ 〜ao alcance a grande massa？ eSse \'o principtal desafio que se busca \'e difus \ 〜ao da informa \ c {c} \ 〜ao a sua aprova \ c {c {c} \ 〜ao。 Nesse Contectiono，Este estudo apresenta o Software Alt，desenvolvido a partir de m \'eTricas de legibilidade originais aDaptadas para a l \'ingua polduguesa，dispon \'ivel'ivel na web，para reduzir，dificuldades na comunica na comunica \ comunica \ c \ c} AO。 O desenvolvimento do software foi motivado pela teoria do agir comunicativo de Habermas, que faz uso de um estilo multidisciplinar para medir a credibilidade do discurso nos canais de comunica\c{c}\~ao utilizados para construir e manter uma rela\c{c } \ 〜Ao Segura E Saud \'avel com o p \'ublico。

Advances in image processing and analysis as well as machine learning techniques have contributed to the use of biometric recognition systems in daily people tasks. These tasks range from simple access to mobile devices to tagging friends in photos shared on social networks and complex financial operations on self-service devices for banking transactions. In China, the use of these systems goes beyond personal use becoming a country's government policy with the objective of monitoring the behavior of its population. On July 05th 2021, the Brazilian government announced acquisition of a biometric recognition system to be used nationwide. In the opposite direction to China, Europe and some American cities have already started the discussion about the legality of using biometric systems in public places, even banning this practice in their territory. In order to open a deeper discussion about the risks and legality of using these systems, this work exposes the vulnerabilities of biometric recognition systems, focusing its efforts on the face modality. Furthermore, it shows how it is possible to fool a biometric system through a well-known presentation attack approach in the literature called morphing. Finally, a list of ten concerns was created to start the discussion about the security of citizen data and data privacy law in the Age of Artificial Intelligence (AI).

Recently, there has been an interest in improving the resources available in Intrusion Detection System (IDS) techniques. In this sense, several studies related to cybersecurity show that the environment invasions and information kidnapping are increasingly recurrent and complex. The criticality of the business involving operations in an environment using computing resources does not allow the vulnerability of the information. Cybersecurity has taken on a dimension within the universe of indispensable technology in corporations, and the prevention of risks of invasions into the environment is dealt with daily by Security teams. Thus, the main objective of the study was to investigate the Ensemble Learning technique using the Stacking method, supported by the Support Vector Machine (SVM) and k-Nearest Neighbour (kNN) algorithms aiming at an optimization of the results for DDoS attack detection. For this, the Intrusion Detection System concept was used with the application of the Data Mining and Machine Learning Orange tool to obtain better results

尽管最近的面部识别（FR）系统在许多部署场景中取得了出色的成果，但它们在挑战现实世界中的表现仍在质疑。因此，面部图像质量评估（FIQA）技术旨在通过为它们提供示例质量信息来支持FR系统，这些信息可用于拒绝不适合识别目的的质量差数据。文献中已经提出了几组依赖不同概念的FIQA方法，所有这些方法都可以用于生成质量的面部图像，这些面部图像可以用作伪造的（质量）标签，并可以利用进行训练（回归 - 基于）质量估计模型。几个fiqa批准\ - 表明可以从与某些面部匹配器生成的配对相似度分布中提取大量样本质量信息。基于这种见解，我们在本文中提出了一种质量标签优化方法，该方法将来自配对配置的相似性的样本质量信息纳入现有现成的FIQA技术的质量预测。我们使用三种不同数据集的三种最先进的FIQA方法评估了建议的方法。我们的实验结果表明，提出的优化过程在很大程度上取决于执行的优化迭代次数。在十个迭代中，该方法似乎执行了最佳，始终超过三种FIQA方法的基本质量得分，这是为实验所选择的。

人工智能（AI）是21世纪最有前途的技术之一，对社会和经济产生了明显影响。通过这项工作，我们简要概述了全球趋势，行业应用以及我们在工业和学术界的国际经验和工作中的精选用例。目的是提出全球和地区的积极实践，并就将B＆H定位在全球AI场景中定位的现实目标和机会提供明智的意见。

We show that standard multilayer feedforward networks with as few as a single hidden layer and arbitrary bounded and nonconstant activation function are universal approximators with respect to V(p.) performance criteria, for arbitrary finite input environment measures Jl., provided only that sufficiently many hidden units are available. If the activation function is continuous, bounded and nonconstant, then continuous mappings can be learned uniformly over compact input sets. We also give very general conditions ensuring that networks with sufficiently smooth activation functions are capable of arbitrarily accurate approximation to a function and its derivatives.

本文讨论了一种识别蜂窝块片段轮廓的算法。显示了OpenCV库的现成功能的不适用性。考虑了两个提出的算法。直接扫描算法在二值化图像中找到极端的白色像素，它充分适用于产品的凸形形状，但在凹形区域和产品的空腔中找不到轮廓。为了解决这个问题，提出了一种使用滑动矩阵的扫描算法，其在任何形状的产品上正常工作。

由于他们提供的即时和社交交互，社交网络已成为人类的主要信息渠道之一，允许在某些情况下发布每个用户认为相关的内容。这带来了虚假新闻或假新闻的产生，只会寻求产生不确定性，错误信息或歪曲读者的意见。已经表明，人类无法充分识别文章是否真的是一个事实或假新闻，因为这是由于模型而旨在基于数据挖掘和机器学习来表征和识别文章。本文提出了一个三层框架，主要目标是，它是表征假新闻中存在的情绪，并成为未来工作的工具，以确定公众的情绪状态和故意状态。

文本分类问题是自然语言处理领域的一个非常广泛的研究领域。简而言之，文本分类问题是确定给定文本所属的先前确定的哪个类别。在过去的研究中，在这一领域进行了成功的研究。在该研究中，使用用于变压器（BERT）的双向编码器表示，其是用于解决自然语言处理领域中的分类问题的常用方法。通过通过在Chatbot架构中使用的单个模型来解决分类问题，旨在缓解服务器上的负载，该负载将由一个以上的模型创建，用于解决多个分类问题。此时，利用在估计在多于一个主题中为分类而创建的单个BERT模型期间应用的掩蔽方法，基于问题的基础提供了模型的估计。覆盖不同字段的三个单独的数据集被各种方法除以各种方法，以使问题复杂化，并且在这种方式中也包括在字段中彼此非常接近的分类问题。以这种方式使用的数据集包括五个课程的五个分类问题。在性能和服务器上占用的空间方面相互比较包含所有分类问题和专门用于问题的其他BERT模型的BERT模型。

单图像超级分辨率（SISR）方法旨在从低分辨率观测值中恢复高分辨率的清洁图像。基于斑块的方法家族受到了相当大的关注和发展。最小平方误差（MMSE）方法是一种强大的图像恢复方法，该方法在图像贴片上使用概率模型。本文提出了一种算法，以从一对低分辨率贴片和参考数据中的相应高分辨率贴片中学习联合笼过的高斯混合模型（GGMM）。然后，我们基于MMSE方法重建高分辨率图像。我们的数值评估表明，themmse-ggmm方法与其他最先进的方法竞争。

Researchers are doing intensive work on satellite images due to the information it contains with the development of computer vision algorithms and the ease of accessibility to satellite images. Building segmentation of satellite images can be used for many potential applications such as city, agricultural, and communication network planning. However, since no dataset exists for every region, the model trained in a region must gain generality. In this study, we trained several models in China and post-processing work was done on the best model selected among them. These models are evaluated in the Chicago region of the INRIA dataset. As can be seen from the results, although state-of-art results in this area have not been achieved, the results are promising. We aim to present our initial experimental results of a building segmentation from satellite images in this study.

最近的几种少数学习算法中的大多数都是基于转移学习，其中模型是使用大量源数据进行预训练的，并且随后使用少量目标数据更新了预训练的模型。在基于转移的几次学习中，已经广泛研究了复杂的预训练方法，以进行通用和改进的表示。但是，几乎没有关于更新预训练模型以进行几次学习的研究。在本文中，我们比较了两种流行的更新方法，即微调（即更新整个网络）和线性探测（即仅更新线性分类器），考虑了源数据和目标数据之间的分布变化。我们发现，随着样品数量的增加，无论分布变化如何，微型调整都比线性探测更好。接下来，我们研究了对预训练模型进行微调时，数据增强的有效性和无效性。我们的基本分析表明，需要仔细考虑有关更新预训练模型的详细信息，才能获得更好的射击性能。

本文档描述了Spotify出于学术研究目的发布的葡萄牙语播客数据集。我们概述了如何采样数据，有关集合的一些基本统计数据，以及有关巴西和葡萄牙方言的分发信息的简要信息。

简介：通过人工视觉，移动应用能够实时识别蔬菜物种。然而，现有物种识别应用程序不考虑各种流行和本地（智利）物种，这导致错误的物种预测。本研究介绍了智利物种数据集的开发和实现给移动应用的优化分类模型。方法：通过将捕获的若干物种的图片放在一起，并通过在在线可用的其他数据集中选择可获得的一些图片来构建数据集。使用卷积神经网络以开发图像预测模型。通过执行敏感性分析，通过k折交叉验证和使用不同的超参数，优化器，卷积层和学习率进行验证，验证网络，以便识别和选择最佳模型，然后将它们放在一起分类模型。结果：最终数据集比46种，包括智利的本土物种，流行和异国情调，6120次训练图片和655次检测照片。最好的模型在移动应用程序上实现，获得了相对于该组测试的95％的正确预测率。结论：本研究开发的应用程序能够通过高度准确度进行分类物种，具体取决于人工视野的领域，它还可以显示与分类物种相关的相关信息。

本文提出了一种深入学习辅助合成方法，用于使用3D EM结构的RF / MM波被动匹配网络直接端到端生成。与从目标电路分量值和目标拓扑结构合成EM结构的现有方法不同，我们所提出的方法实现了从所需性能值的网络拓扑到输入的网络拓扑的直接合成。我们在片上1：1个变压器的阻抗匹配网络上展示所提出的合成神经网络（NN）模型。通过利用参数共享，综合NN模型成功提取了输入阻抗和负载电容器的相关特征，并在45nm的SOI进程中预测了变压器3D EM几何体，该过程将与标准50 $ \ Omega $负载匹配目标输入阻抗吸收两个装载电容器。作为概念验证，合成了几个示例变压器几何形状，并在ANSYS HFS中验证以提供所需的输入阻抗。

我们希望在数据结构和算法的主题项目中解决的问题是破译某些图像，这些图像具有更具特异性的牛动物;其中有必要识别动物是否健康，也就是说，如果它在选择牛的过程中要考虑到良好的条件，或者如果它生病，以知道它是否被丢弃。通过这种压缩算法，这允许拍摄图像并将它们带到这些代码中的检查，并不总是结果将是百分之百精确，但允许此代码是什么允许的高效，它是它适用于机器学习，这意味着它需要的信息越多，结果就越精确，结果将越高，而不会带来一般的兴趣。所提出的算法是NN和双线性插值，其中在执行速度上获得了显着的结果。它的结论是，可以做得更好的工作，但随着交付的事情，据信这是工作的好结果。

标准卷积神经网络（CNN）设计很少专注于明确捕获各种功能以增强网络性能的重要性。相反，大多数现有方法遵循增加或调整网络深度和宽度的间接方法，这在许多情况下显着提高了计算成本。受生物视觉系统的启发，我们提出了一种多样化和自适应的卷积网络（DA $ ^ {2} $ - net），它使任何前锋CNN能够明确地捕获不同的功能，并自适应地选择并强调最具信息性的功能有效地提高网络的性能。 DA $ ^ {2} $ - NET会引入可忽略不计的计算开销，它旨在与任何CNN架构轻松集成。我们广泛地评估了基准数据集的DA $ ^ {2} $ - 网上，包括CNN架构的CNN100，SVHN和Imagenet，包括CNN100。实验结果显示DA $ ^ {2} $ - NET提供了具有非常最小的计算开销的显着性能改进。

State-of-the-art machine translation evaluation metrics are based on black-box language models. Hence, recent works consider their explainability with the goals of better understandability for humans and better metric analysis, including failure cases. In contrast, we explicitly leverage explanations to boost the metrics' performance. In particular, we perceive explanations as word-level scores, which we convert, via power means, into sentence-level scores. We combine this sentence-level score with the original metric to obtain a better metric. Our extensive evaluation and analysis across 5 datasets, 5 metrics and 4 explainability techniques shows that some configurations reliably improve the original metrics' correlation with human judgment. On two held datasets for testing, we obtain improvements in 15/18 resp. 4/4 cases. The gains in Pearson correlation are up to 0.032 resp. 0.055. We make our code available.