计算是技术专家的领域的日子早已一去不复返了。我们生活在一个计算技术(尤其是人工智能)渗透到我们日常生活的方方面面的世界,在各种情况下发挥着增强甚至取代人类决策的重要作用。人工智能技术可以通过处理错误模式来适应您孩子的理解水平;人工智能系统可以利用传感器输入的组合来选择和执行汽车的制动动作;具有人工智能功能的网络浏览器可以根据您过去对搜索的观察进行推理,以推荐新地点的新美食。人工智能的创新主要集中在“什么”和“如何”的问题上——例如,用于在网络搜索中查找模式的算法——没有充分关注可能的危害(例如隐私、偏见或操纵),也没有充分考虑这些系统运行的社会背景。在一定程度上,这是由科技行业的激励和力量推动的,在该行业中,更注重产品的重点往往会淹没对潜在危害和错误框架的更广泛的反思性担忧。 1 。但这种对“是什么”和“如何”的关注在很大程度上反映了计算机科学以工程和数学为重点的训练,这种训练强调工具的构建和计算概念的开发。由于这种严格的技术重点以及其在全球范围内的迅速应用,人工智能带来了一系列意想不到的社会技术问题,包括以种族或性别偏见的方式行事的算法、陷入延续不平等的反馈循环,或实现前所未有的行为监控,挑战自由民主社会的基本价值观。
动机:精确药物利用患者特定的多模式数据来改善预防,诊断,预后和疾病治疗。提前的精确医学需要复杂,异质和潜在高维数据来源(例如多摩学和临床数据)的非平凡整合。在文献中,已经提出了几种方法来管理丢失的数据,但通常仅限于一部分患者的特征子集的恢复。在很大程度上被忽略的问题是当一个或多个患者完全缺少其中一个或多个数据来源时,这是临床实践中相对常见的状况。结果:我们提出了Miss类似网络融合(MISS-SNF),这是一种新型的通用数据集成方法,旨在在患者相似性网络的背景下管理完全缺失的数据。miss-snf通过利用从SNF算法借来的非线性消息通讯策略来整合不完整的单峰患者相似性网络。Miss-SNF能够恢复缺失的患者相似性,并且是“任务不可知论”,从某种意义上说,可以整合无监督和监督预测任务的部分数据。对来自癌症基因组图集(TCGA)的九个癌症数据集的实验分析表明,Miss-SNF达到最先进的方法会导致恢复相似性并识别出在临床上相关变量中富集的患者亚组,并具有差异性生存率。可用性和实现:在R中实现的MISS-SNF代码可在https://github.com/ anacletolab/misssnf上找到。此外,截肢实验表明,MISS-SNF监督了对整体生存和无进展间隔事件的预测,完全缺少数据的结果可与所有数据可用时获得的结果相当。
摘要 - 脑肿瘤需要评估以确保及时诊断和有效的患者治疗。形态学因素,例如大小,位置,纹理和可变外观 - 肿瘤检查。医学成像提出了挑战,包括噪声和不完整的图像。本研究文章介绍了一种处理磁共振成像(MRI)数据的方法,包括用于图像分类和DeNoing的技术。有效使用MRI图像使医疗专业人员可以检测包括肿瘤在内的脑部疾病。这项研究旨在通过分析提供的MRI数据来对健康的脑组织和脑肿瘤进行分类。与诸如计算机断层扫描(CT)之类的替代方法不同,MRI技术提供了内部解剖组件的更详细表示,是研究与脑肿瘤相关的数据的合适选择。MRI图片首先使用各向异性扩散滤波器进行脱氧技术。用于模型创建的数据集是公共访问且经过验证的脑肿瘤分类(MRI)数据库,其中包括3,264次大脑MRI扫描。SMOTE用于数据增强和数据集平衡。卷积神经网络(CNN),例如RESNET152V2,VGG,VIT和EFIDENTEN,用于分类程序。有效网络的精度为98%,是记录最高的。索引术语 - MRI,EfficityNet,脑肿瘤,Smote,CNN
“量子威胁”。尽管面临这些挑战,但仍有一些有希望的方法可以将基于神经网络的人工智力整合到密码学中,这对未来的数字安全范式具有重大影响。本摘要强调了人工智能和量子加密的交集的关键主题,其中包括基于人工智能的加密的潜在益处,需要解决的挑战以及这一跨学科领域的前景。量子计算机,密码学,Qubits,量子密钥分布,人造
1 Service de Pharmacie, GH Nord, Hospices Civils de Lyon, 69002 Lyon, France 2 Univ.里昂大学 Claude Bernard Lyon 1, UMR CNRS 5558, LBBE—Laboratoire de Biométrie et Biologie Évolutive, 69100 Villeurbanne, France 3 Univ.里昂,克洛德伯纳德大学里昂 1,ISPB—里昂药学院,69008 里昂,法国 4 洛桑大学医院和洛桑大学临床药理学服务处,1011 洛桑,瑞士; monia.guidi@chuv.ch (MG); nicolas.widmer@chuv.ch (NW) 5 洛桑大学医院和临床药学研究与创新中心,瑞士洛桑 1011 6 日内瓦大学和洛桑大学瑞士西部药学研究所,瑞士日内瓦 1211 7 巴塞尔大学儿童医院儿科药理学和药理计量学,瑞士巴塞尔 4056 8 日内瓦大学药学院,瑞士日内瓦 1205 9 沃州东部医院药房,瑞士伦纳 1847 * 通讯地址:sylvain.goutelle@chu-lyon.fr;电话:+33-4-72-16-80-99
由于过度使用了不可再生能源,气候变化已成为21世纪的全球问题。为了减轻这个问题,世界一直在转向绿色增长。为此,研究人员和政策制定者正在努力探索显着影响绿色增长的因素。尽管已经在可用文献中调查了绿色增长的几个决定因素,但(DIS)汇总自然资源租金的影响(即矿产租金,煤炭租金,石油租金,天然气租金和自然资源总租金)经过了很少的研究。为了填补这一差距,本研究旨在研究煤炭租金,石油租金,矿产租金,天然气租金和自然资源总租金对G7国家的绿色增长的影响。来自小组ARDL方法的发现阐明煤炭租金,天然气租金和总自然资源租金对长期绿色增长产生了负面影响。此外,石油租金具有积极的影响,而矿产租金对长期的绿色增长产生了微不足道的影响。该研究提出了基于发现的几项政策建议。
在汽车电子领域,实现高设备可靠性是一项基本要求。操作典型的汽车负载(例如灯泡或伺服电机)会给设备本身带来很大的热应力,因为这些负载具有高浪涌电流、长关断时间和高电感。因此,切换这些负载意味着高开关损耗、长时间的开启和关闭瞬态以及严重的过热。开关将循环数千次甚至数百万次,相应的功率循环将引起热机械性能下降,最终导致电气故障。因此,有必要正确模拟此类功率循环以提高设备可靠性并了解故障机制,特别是准确的热模型是得出所有后续电热和热机械结论的第一步。
Gunlycke 表示:“了解量子力学系统的特性对于海军和海军陆战队开发新材料和新化学至关重要。例如,腐蚀是一个无处不在的挑战,每年花费国防部数十亿美元。CVQE 算法可用于研究导致腐蚀的化学反应,并为我们现有的防腐团队提供关键信息,帮助他们开发更好的涂层和添加剂。”
摘要:目前,在这些自动驾驶汽车上的现有传感器无法很好地检测到自动驾驶汽车之前的道路表面状况。但是,应确保白天和黑夜的天气引起的道路状况。对深度学习的调查,以识别当天的道路表面状况,是使用车辆前面嵌入式摄像头收集的数据进行的。深度学习模型仅在当天被证明是成功的,但迄今为止尚未对它们进行评估。这项工作的目的是提出深度学习模型,以检测在夜间在自动驾驶汽车前的天气造成的在线道路表面条件,其精度很高。在这项研究中,使用性能比较,将不同的深度学习模型,即传统的CNN,Squeezenet,VGG,Resnet和Densenet模型。考虑到现有夜间检测的当前局限性,本文研究了不同路面的反射特征。根据功能,夜间数据库是带有或没有环境照明的。这些数据库是从几个公共视频中收集的,以使所选模型更适用于更多场景。此外,根据收集的数据库对选定的模型进行培训。最后,在验证中,这些模型对夜间干燥,潮湿和雪道的表面条件进行分类的准确性可高达94%。
Basic Information Email: mengxia@tamu.edu Homepage: https://www.xiameng.org/ Research areas: Human-AI Interaction, Data Visualization, and Education Technology Education Background and Research Experience 2024.1-present Texas A&M University, Computer Science and Engineering, Assistant Professor 2022.1-2024.1 Carnegie Mellon University, Human Computer Interaction Institute, Postdoc 2021.1-2021.12 KAIST,博士后研究人员,博士后2020.9-2021.1香港科学技术大学,计算机科学与工程学,计算机科学与工程学,PostDoc 2017.8-2020.8香港科学与工程学,计算机科学与工程学,计算机科学和工程学,2019年6月69.6-2019.10,计算机科学,计算机科学,计算机科学,计算机科学,计算机科学杂志2014.9-2017.3 Zhejiang University,计算机辅助设计和计算机图形的州主要实验室