关键词： 人工智能   机器学习   X线   计算机断层扫描  

摘要： 随着数字医学和精准治疗的大量临床实践,人工智能(artificial intelligence,AI)在口腔临床医学领域的研究与应用日益广泛。X线及计算机断层扫描(computed tomography,CT)是口腔疾病的常规检查手段,将其图像与AI相结合,通过分析大量数据,最终可借助基于机器学习的数据驱动分析算法来支持临床诊断和决策,可辅助建立合适的治疗计划。诸多研究表明,基于AI的程序系统性能非常出色,其准确性接近甚至超过经过系统培训的专业人员。本文概述了AI在口腔颌面部X线及CT影像图像处理方面的现有应用及研究进展,以期为口腔疾病的预测、诊断、治疗及预后评估提供新思路。

关键词： 数据安全   人工智能   机器学习   大规模数据集   云计算   隐私信息   高可用性   大数据  

摘要： 人工智能随着大数据、云计算和物联网技术的蓬勃发展,已广泛渗透到科学研究、数字经济、健康与医疗卫生等各大领域,给人类生产生活带来了极大的便利.机器学习的模型训练和推理预测都依赖于大规模数据集,而这些数据中可能包含着用户的敏感或隐私信息.针对人工智能中日益加剧的数据安全与隐私保护需求,国内外学者获得了一系列重要研究成果.然而,如何在保护用户数据安全的同时,实现人工智能技术的高可用性和高效性仍然是学术界和工业界广泛关注的具有挑战性的研究课题.

关键词： 流程挖掘   统计分析   传统算法   计算智能   机器学习   算法比较  

摘要： 由于流程挖掘技术的快速发展,流程挖掘算法种类增加迅速,已有的算法研究文章介绍已不全面.针对这一情况对迄今为止的流程挖掘主要算法进行系统性的分析总结.首先对流程挖掘算法现状进行总体分析,接着根据算法特性将流程挖掘算法分为传统的流程挖掘算法和基于计算智能和机器学习技术的流程挖掘算法两大类,简要介绍其中代表性算法的基本思想和相关步骤,最后比较了各类算法的优势和不足.其中关于算法的分类和总结有助于初学者梳理流程挖掘领域相关算法知识,而对发展现状和算法比较的分析则可以启发研究人员有待突破的方面.

关键词： 人工智能   新工科   大学计算机   机器学习   实验案例  

摘要： 针对新工科背景下大学计算机教学内容陈旧、缺乏体现新技术的实验教学环节等问题,以人工智能内容改革为例,提出课程改革的思路,介绍体现人工智能技术的实验案例设计,并从案例设计思路、实验过程及应用情况等多个方面对案例进行详细阐述,通过该案例的应用介绍,说明取得的教学效果,为其他实验案例的教学改革提供有益借鉴。

关键词： 智能科学   智能信息处理   机器学习   人工心理   计算智能   人工智能   专家系统   领域理论研究  

摘要： 期刊简介《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办,旨在创办中国智能科学领域最具引领性的中文学术期刊,主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器情感等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。

摘要： 8月5日至7日,机器学习、云计算与智能挖掘国际会议在厦门召开。会议由我校主办,由国防科技大学、山东财经大学、长沙理工大学、福建省数据挖掘与智能推荐高校重点实验室、数字福建自然灾害监测大数据研究所、福建省模式识别与图像理解重点实验室、洞庭湖区生态环境遥感监测湖南省重点实验室、山东省数字媒体技术重点实验室、辽宁科技大学、ESBK国际学术交流中心、湖南诗和远方出版文化传媒有限公司联合协办。本次大会旨在为来自国内外高等院校、科研院所、企事业单位的专家、教授、学者、工程师提供一个高水平的信息沟通平台、创新成果展示与推广的渠道。此次会议共有来自国内外机器学习、云计算与智能挖掘领域的专家学者近150人,通过线上线下方式,探讨当今机器学习、云计算与智能挖掘各学科领域的最新发展方向及行业前沿动态,致力推进学科交叉、融合发展,搭建高校之间的产学研合作,推动学术共同体建设。

关键词： 人类活动识别   压阻型智能织物   特征选择   机器学习  

摘要： 压阻阵列型智能织物是一种测量表面压力的新型传感器,在人体活动识别领域具有丰富的应用场景。从一个粗糙的想法到实现一个新的智能织物应用,需经过硬件搭建、数据采集、软件搭建(数据预处理、特征提取、模型训练)三个环节,从中我们发现两个问题需要研究:1)在软件搭建环节的特征提取步骤,对特定的应用场景,研究人员往往根据经验,通过多次迭代针对性地构建和优化一组特征,这可能耗费研究人员大量的时间和精力,导致新应用的开发周期较长。对不同的应用场景,如何自动构建和优化特征集,加速应用开发?2)智能织物系统在不同场景下,在线识别实时性能需求不同,如何从软件层面,在保证较高识别精度的条件下,压缩数据处理的计算耗时,构建一个实时性强的系统?我们实现了一套软件工具包LwTool(Light-weight Toolkit),可根据用户设定的实时性能要求,从内部的特征库中自动选出分类性能优良的特征子集,压缩数据处理耗时,加速应用开发。同时,我们利用两类应用数据集Smart-Toy(动作识别)和Smart-Bedsheet(姿势识别)对工具包的可用性进行验证,工作如下:(1)通用特征库。我们构建了一套包含1830个时域和空间特征,适用于动作识别、姿势识别场景的通用特征库。基于十折交叉验证,该特征库在Smart-Toy和Smart-Bedsheet数据集上的平均准确率达89.7%和83.8%。(2)特征子集计算耗时估算算法。我们提出了一种可快速、准确地估算特征库中任意子集的计算耗时的算法,该算法基于一种“计算依赖图”的数据结构来分析每个特征从数据预处理到最终被计算的过程,并估算整个过程的平均耗时。该算法在Smart-Toy数据集上的平均估算准确率为97.2%,在Smart-Bedsheet数据集上的平均估算准确率为92.5%,运行时长控制在2.2毫秒内(即一秒可调用454次)。(3)考虑时间限制的特征选择算法。算法包含过滤层和前向选择层,在满足用户设定的时间限制(包含预处理、特征提取、模型预测)内,选出分类精度尽可能高的特征子集。该算法在Smart-Toy数据集达到最佳为89.7%的准确率,特征数量从1830减少到154个,处理速度提升约2.3倍,在Smart-Bedsheet 数据集达到最佳为 83.8%的准确率,特征数量减少到 71 个,处理速度提升约3.5倍,在保证较高的识别精度下,有效压缩数据处理耗时。在多种应用场景下,我们的工具包为快速构建分类精度高、实时性能强的智能织物在线识别系统提供一种通用解决方案。

关键词： 函数计算   云计算   时间序列预测   机器学习  

摘要： 函数计算是基于Serverless架构思想的新型计算服务平台,在Serverless架构中用户无需关注底层云资源,只需要关注业务代码实现。函数计算平台能力可以让用户直接在平台提交代码,平台将自动编译镜像并初始化容器运行。没有请求调用函数时,函数所在的实例将会被释放。只有函数被调用时才会运行实例并响应,极大降低了闲置资源的浪费。流量高峰时,函数实例会自动进行弹性伸缩,不需要人工进行机器扩容和负载均衡等配置。然而函数计算平台一直存在冷启动问题,这是因为Serverless架构下的函数面临流量突增时,如果函数的容器规模不足以承受流量请求,平台会重新创建相应数量的实例来响应请求。创建实例的过程通常耗时过长,函数请求在这个时刻需要先等待实例初始化后再被响应,这个可能会带来数十秒的请求延迟的过程就被称为冷启动。本文提出了一种函数智能弹性伸缩的方案,该方案通过预测函数请求时间序列来动态调整容器数量,达到规避函数冷启动的效果。首先本文分析了 Serverless架构下函数平台的需求和架构,实现了一个基于Kubernetes和Knative的函数计算云平台,采用微服务架构提供了函数发布、函数构建和自动扩缩容等能力。然后本文通过分析平台架构以及对Knative弹性扩缩容的机制,结合函数计算平台的高并发请求和稀疏时间序列这两个主流业务场景的分析,从实际场景需求出发解决问题。针对函数的高并发场景下,本文提出了一种基于自注意力模型的时间序列预测方法,通过对函数调用的预测分析,构建基于预测信息的智能弹性伸缩模型。模型通过函数请求并发数据提前进行扩缩容准备,很好解决了 Knative自动扩缩容机制中面临请求突发的延迟扩容所带来的函数冷启动问题。针对函数的稀疏请求场景下,由于长尾分布的函数请求非常稀疏,时间序列分析收益较低,本文构建了基于统计模型的容器预热、留存机制。该模型对比Knative的默认容器留存策略和业界主流的常驻预留实例策略,有效提高了资源利用率和降低了函数冷启动率。最后通过真实生产数据的实验验证,本文提出方法具备有效性;对比原始架构和主流的优化方法,本文方法显著降低了函数冷启动率和资源损耗情况。本文提出的函数计算平台也通过设计的系统功能测试,验证了系统的基础功能完备性和可用性。

关键词： Biomedical engineering  

ISBN: (数字)9780128240557 ISBN: (纸本)9780128240540

摘要： Artificial Intelligence and Machine Learning for Predictive and Analytical Rendering in Edge Computing focuses on the role of AI and machine learning as it impacts and works alongside Edge Computing. Sections cover the growing number of devices and applications in diversified domains of industry, including gaming, speech recognition, medical diagnostics, robotics and computer vision and how they are being driven by Big Data, Artificial Intelligence, Machine Learning and distributed computing, may it be Cloud Computing or the evolving Fog and Edge Computing paradigms. Challenges covered include remote storage and computing, bandwidth overload due to transportation of data from End nodes to Cloud leading in latency issues, security issues in transporting sensitive medical and financial information across larger gaps in points of data generation and computing, as well as design features of Edge nodes to store and run AI/ML algorithms for effective rendering.

关键词： 助餐机器人   计算机视觉   自然人机交互   产品设计   机器学习  

摘要： 随着我国老龄化的加快,失能老年人口急剧增长。而专业护理人员数量却无法满足市场需求。失能老人在居家养老中,用餐困难是其中急需解决的问题,因此助餐机器人应运而生。但现阶段的智能助餐机器人还存在着使用不便、价格昂贵等诸多问题,故未能得到普及。因此,通过技术手段改进智能助餐机器人的使用方式、交互形式,提供一种新的设计方案,这对智能助餐设备的发展是十分必要的。本文提出了一种基于计算机视觉识别用户头部姿态与嘴部状态来控制助餐机器人的新型交互方式,并设计开发了产品原型。头部姿态的识别用以控制餐盘的旋转来选择菜品;嘴部状态的识别用以判断用餐意图,驱动机械臂实现助餐。简单身体动作对用户机体能力要求低,能够让部分上肢失能人群实现自主用餐。研究内容如下:(1)梳理了助餐产品的发展脉络和研究现状。(2)分析了用户群体特征,构建典型用户模型。(3)构建了数据集。改进LeNet-5模型结构,实现对姿态的实时识别。(4)设计了智能助餐机器人的设计方案并搭建原型进行验证。研究结果表明:本文提出的基于计算机视觉的交互方式是可行的,实现了驱动助餐机器人完成助餐动作。通过学科融合,设计与技术结合,为智能助餐机器人的发展提供了新的方案。