奖学金对个人领导者及其组织都有好处。研究员将获得可在组织内应用的新领导技能、见解和人脉。该计划还提供资金来支持其组织的能力建设工作,帮助其维持和扩大其社会影响力。虽然奖学金主要针对每个组织的一名代表,但我们鼓励研究员所在组织积极支持他们的参与。其他团队成员也可能有机会参与特定活动。
ETH AI中心汇集了所有部门和学科的AI基础,应用和影响的研究人员。从110多个教授职位,其自己的前提和奖学金计划的参与开始,该中心在研究这一关键技术方面就加强了ETH的强大立场。中心与欧洲及以外的最佳AI研究机构合作,以加速进步,支持初创企业和行业合作,并培养下一代AI研究人员,变革型领导者和企业家。
气候变化是一个健康问题,会影响发病率,死亡率以及社会提供医疗保健和支持健康生活的能力。气候变化的影响已经在损害世界各地的健康,而影响只会在未来几年加剧。热浪和暴风雨变得越来越致命,疾病爆发持续更长的时间,在新地区看到,火种干燥森林中的野火烟雾降低了空气质量,并且极端天气受到了粮食和水的威胁。在许多方面都必须进行快速行动:认识并应对气候健康威胁;通过减少热量温室气体排放来防止气候变化;支持整个经济中的“绿色”系统,包括医疗保健;了解适应和缓解的健康共同利益;为了保护人类健康,就这些问题有效地进行了有效的交流。
有影响力(请尽可能具体,并在可能的情况下分享相关的数字,例如受益的社区以及如何加入努力的合作伙伴,您动员的资源)?●请分享该项目托管的组织的名称。●该组织是否是其管辖区的注册非营利实体?●您在这个组织中的标题是什么?●在1-2个句子中,描述您在项目中的作用。选定的候选人将被邀请提交申请的第二部分 - 完整的申请表 - 将涵盖以下问题:
解释哪个患者群体将从您的研究中受益最大(例如癌症的类型或阶段)以及任何公平含义。对于涉及人的研究,证明研究的选择是合理的,并解释了为什么您包括并排除了可能从本研究结果中受益的特定群体。如果相关,请概述该提案如何解决疾病负担高或较差的人口不足或服务不足的人群和/或人口(最多400个单词)。
在物联网(IoT)中广泛使用了由Android驱动的设备的用法,使它们容易受到不断发展的网络安全威胁的影响。物联网网络中的大多数医疗保健设备,例如智能手表,智能温度计,生物传感器等。检测Android恶意软件对于保护敏感信息和确保物联网网络的可靠性至关重要。本文重点介绍了启用AI的Android恶意软件检测,以改善IoT网络中的零信任安全性,该网络需要在提供网络资源访问权限之前对Android应用程序进行验证和认证。零信任安全模型都需要对试图访问专用网络上资源的每个实体进行严格的身份验证,而不管它们是在网络周围内还是外部。我们提出的解决方案DP-RFECV-FNN,一种用于Android恶意软件检测的创新方法,该方法在零信任模型下为IoT网络设计的前馈神经网络(FNN)中采用差异隐私(DP)。通过集成DP,我们确保在检测过程中数据的机密性,为网络安全解决方案中的隐私设定新标准。通过将DP和零信任安全性的优势与FNN的强大学习能力相结合,DP-RFECV-FNN展示了与最近的论文相比,在保持严格的隐私控制的同时,可以识别已知和新颖的恶意软件类型和更高的精度。这些结果是在不同的隐私预算下实现的,范围为𝜖 = 0。1至𝜖 = 1。dp-rfecv- fnn的精度从97.78%到99.21%,同时利用静态特征,而Android应用的动态特征则使用静态特征,并使用93.49%至94.36%,以检测它是恶意软件还是良性。0。此外,我们提出的特征选择管道使我们能够通过显着减少所选功能和训练时间的数量,同时提高准确性,从而超越最先进的方法。据我们所知,这是第一项通过具有隐私性神经网络模型基于静态和动态功能对Android恶意软件进行分类的工作。
邀请了IIT Hyderabad(IIT)与Osmania Medical College and Hospital合作的生物医学工程系ICMR赞助研究项目的研究科学家III职位的兴趣和积极的科学家。由于该项目是跨学科的,在该项目的任何一个或多个部分中都具有丰富的经验,例如主要的干细胞隔离,胰岛器官,转录组学和人类免疫学经验。申请人被申请具有良好的高端出版物记录,具有超过1年的phD后经验。
功能能力评估评估人工人执行与特定工作相关的任务的能力。今天,由职业医生进行的标准医学检查包括(1)访谈,以确定特定工作中执行的运动以及所采用的相应表达,(2)观察工人的身体运动,该运动专门针对工人在工作中所采用的表达,以及(3)在运动期间工人遇到的痛苦报告。令人惊讶的是,目前不进行此类考试的标准化和自动化。我们已经根据计算机视觉和机器学习技术开发了一种自动功能能力评估的自动化系统,该系统评估了人类运动的视频记录,从而为它们提供了功能能力的归一化分数。但是,我们缺乏有关工人疼痛来源的客观信息。我们要解决的科学问题是如何将疼痛感知整合到自动功能能力评估系统中?具体来说,我们如何使用热摄像头确定炎症是疼痛的来源?关键字:计算机视觉摄像机人体运动质量评估功能能力评估背景/能力/技能所需的候选人: div>