首页 文章 精选 留言 我的

精选列表

搜索[人工审查],共10000篇文章
优秀的个人博客,低调大师

人工智能拯救生命:自杀倾向预测

由弗罗里达州立大学研究者领导的开创性项目在自杀预测方面取得了巨大的进步,使得临床医生可能预测最多长达两年之后的自杀,准确率达到80%。 弗罗里达州立大学研究者Jessica Ribeiro急切希望解决这个残酷的问题:每天有120位美国人自杀,一年有近45000人。Ribeiro将在临床心理科学杂志上发布她的文章:利用机器学习预测自杀倾向风险。 ------------------ 【福利】阿里云在线峰会第三场 3月9日,6位阿里技术专家, 4位大数据应用专家, 从技术到案例,直播剖析 时下最前沿大数据玩法, 点击文末阅读原文 免费限时报名 报名详情见文末 ------------------ 该研究得到了一个十分吸引人的结论:机器学习能预测最多两年之后某人的自杀倾向,准确率高达80%~90%。该方法在越接近某人的可能自杀日期时还会变得更加准确,比如针对一

优秀的个人博客,低调大师

苹果和人工智能: 门不当户不对?

作为世界计算机领域的领跑者,苹果正在向商品化无形计算模式转变 我说了,苹果正在走向末路。所以赶紧卖掉你手里的苹果股票,在被套牢之前逃出来。 这种说法尽管不准确,但因为我们正在步入下一代计算模式— 认知时代(Cognitive Era),所以苹果的营销方式和企业文化应该有所改变。认知时代描述了在技术发展的下一阶段,世界将会变成样子。未来苹果公司的成功绝不是由iPhone,iPad,iWatch甚或一辆小汽车所决定的。对于苹果公司而言,如果它想继续称霸技术市场,并将触角延伸到健康医疗、交通和时尚领域,它必须从一家计算机公司的格局中跳出来。 从苹果公司目前的地位来看,这也许听起来像一个很荒唐的观点。然而在物联网(Internet of Things)与因特网连接设备同步发展的今天,商业应用的价值在于让这些互联网连接设备变得“聪明”起来。与

优秀的个人博客,低调大师

中国人工智能学会通讯——构建强健的人工智能:原因及方式 4. 检测异常

4. 检测异常 首先,我们可以检测到模型里的缺陷。或许我们不能修正它们,但是至少可以检测出来。如果能检测到模型里的某个异常,那么就可以寻求用户的帮助,或者可以采取一些我们认为比机器学习到的更安全的措施。 比如,我们可以监测预测类别的分布。试想一下,我们在做手写字符的识别系统,在英语里,我们知道字符是有一定分布频率的:最常见的英语字符是E,第二常见的是T,等等。我们可以观察一下模型的分类器的结果,对比预测的分布,如果两者相差很大,那么很可能是出了问题。 另一种方法是马尔科夫决策过程。举个例子,如果我们正在玩游戏,并希望达到某个目标,那么我们玩的时间越长,离达成目标的距离就越近。 比如,这是我们的预期价值函数,是解决问题的步骤。通常情况下,我们在玩游戏或者按计划执行时是在朝上走的,最大限度地让价值最大化。当然,当我们做的不好时,可以看到有些曲线的轨迹并不是朝上走,看起来就像我们脱离了轨道,这或许意味着我们的模型存在一些问题。 另外一件可以做的事就是监测辅助规律。Hermansky 写过一篇很有意思的论文,是关于语音识别里的未知的未知。在做语音识别时,你可以为不同的频段,比如低频、中频、高频,训练单独的识别器。在自然语言中,你发出的两个音节之间是有时间间隔的,因此我们可以监控这些间隔时长。如果我们发现分类器给出的分布结果和我预期的差别很大,那么就可以探测哪个地方出了问题。 Hermansky 提出了一个解决方案:弄清楚哪些频段其实是噪音,因为在给定的环境中,有一些类型的噪音源其实是集中在某一个频段的。 另外一个例子要追溯到1992年的一个自动驾驶汽车项目。当时这个系统很简单,只有一个车道保持系统和一个自动转向系统,是用神经网络做的。在这个神经网络里,有一个摄像头用来拍摄道路、树木等,然后这些信息会通过4 个隐藏单元用来预测转向指令。此外,这4 个隐藏单元对输入的图片进行重构,这样就可以比较原始图片和重构后图片之间的差异,如果两者之间的差异较大,那么这个转向命令就是不可信的。 在这一想法中,相同的隐藏层要完成两项任务,因此我们可以监测这些隐藏单元。如果重构后的图片差异很大,那么这些隐藏单元的这项任务完成的并不好,这也就意味着在预测转向命令这一任务上,这些隐藏单元可能也做的很差。 我们可以做的另外一件事就是观察异常情况。如上图所示,我们的训练样本的分布是Ptrain,通过这些训练样本,训练出分类器。我们的测试样本的分布则是Ptest。如果训练样本的分布和测试样本的分布相同,那么系统的准确性就能得到保障。但是通常情况下,测试样本和训练样本的分布是不一样的,在这种情况下应该怎样做? 当然,你肯定听说过领域适应(Domain Adoption)和迁移学习。我要讲的可能是稍微简单一点的问题,仅仅只需要检测测试数据是否与训练数据不同,这个例子是基于我在计算机视觉领域的一项研究工作。此前,我曾参加过一个生态学的项目。当时我们想要衡量美国淡水河流的健康程度,于是环保部门派了一些人去收集这些河流里的昆虫标本,将昆虫的分布状态作为判断河流健康程度的标准。 我们要做的是建立一个计算机视觉系统,来对这些昆虫进行分类,那些户外的工作人员收集了29 种昆虫作为训练的数据集。后来,我们利用这些数据训练一个监督学习系统,而且运行结果也不错。但是,很快发现,有的测试数据并不是这29 类中的一种,有可能是其他的昆虫,或者小石头、叶片、垃圾等。我们要怎样做? 此前我们曾做过很多关于异常检测的工作,这里的方法很简单,就是在系统里加一个异常检测器,它主要用来负责检测新图片。如果这张图片与训练数据中的图片看起来很陌生,它就会给定一个“异常分数”,如果这个分数超过某个阈值,那么系统就会“拒绝”这张图片;如果低于这个阈值,那么就可以放行,进入到下一步——分类器。 这里是一个初步的研究,我们训练分类器的时候只用了两个类别的数据,但是实际的测试数据包括26 类。 实际上,还有很多其他的尝试,其中一些可能比我们现在的要好。比如Open Category Classification 、Change-Point Detection、Covariate Shift Correction、Domain Adaptation,它们都是和这些问题相关的。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册