xml地图|网站地图|网站标签 [设为首页] [加入收藏]

人工智能在太空监测痴肥,点火你的卡路里

来源:http://www.ruibiaowang.com 作者:基础资源运维 人气:183 发布时间:2019-10-22
摘要:原标题:人工智能灵魂注入,点火你的卡路里——2018,你AI了啊!? 原题目:人工智能在太空监测肥胖:中年人痴肥率与区域建筑碰着特色相关 莫挨老子,老子只想做个安静的肥宅。

原标题:人工智能灵魂注入,点火你的卡路里——2018,你AI了啊!?

原题目:人工智能在太空监测肥胖:中年人痴肥率与区域建筑碰着特色相关

> 莫挨老子,老子只想做个安静的肥宅。所以,到底是什么人动了自家的肥宅欢畅水?

  你所居住的社区中有宠物店、健美房和花园吗?依旧充满着快餐店、超级市场和农忙的街道?这些答案也许预示着你的肥壮可能率。

炸鸡可乐蛋挞,撸串火锅奶茶,游戏番剧代码,夕阳西下,阿宅瘫在沙发。

近年,两位出自美利坚联邦合众国Washington高校圣何塞分校的钻探人士开采大家所处的建造情况与区域内的肥胖率有超级大的涉及。区域建筑境况特色是指区域内的当然和人造境况,比如绿地和公路等。那些情况特点能够与任何数据整合使用,进而监测地点的丰腴患病率。

直面高强度工作负荷带来的久坐、各个舌尖上的吸引,以至大器晚成多种能够窝在沙发里进行的玩乐项目,肥壮在今世稳步成了二个方可看成“梗”来谈谈的难题。风度翩翩首《卡路里》打开持续洗脑式轰炸的同不时候,AI也一向在不停尝试对肥壮那意气风发难题“出手”,试图从更多层面加以发现与解释。

她俩的研讨结果注明,区域内的修筑境况与不相同社区肥胖患病率的改动有关。回归模型展现,建筑境况特点解释了该品种事关的1698人口普遍检查区内64.8%丰腴率的形成。具体来说,该模型对两样城市肥壮率的精兵简政手艺有所不一样。其最纯粹地预测了Madison市的痴肥率,精确率为73.3%。最低是在Tallinn地区,精确率是55.8%。

依附二零一八年九月三二十二日在线公布于JAMA Network Open的如火如荼项研商显示,卷积神经网络(CNN)可从卫星图像中自行提取建筑情况的特质,并用以健康目的研究。而领会建筑意况的少数特点与肥壮症患病率之间关系,则有帮忙辅导条件结构上的变型,进而到达推进活动、收缩丰腴率的效应。

研究人员提出了一种采用卷积神经互连网(CNN)评估中年人丰腴患病率与区域建造意况之间涉及的章程。卷积神经网络是豆蔻梢头种深度学习情势,该切磋所运用的卷积神经互连网经过预先训练,能够捕捉区域条件的特色,举个例子绿化、土地等自然特性和征途、屋企等修筑特点。

五洲病痛担任报告诉申诉明,贰零壹肆年全世界约有超过常规6.03亿大人在饱受肥壮难题的麻烦;在美利哥,成年痴肥人口越来越攻下成年总人口数的四分之黄金时代。痴肥是二个烦琐的平常化难题,其间涉及的关系因素颇多,包涵遗传学、人口总结学,以至表现学的影响。而不平常的饮食习于旧贯和久坐不动的生活方式则都与所处的社会条件特质及建筑情状特色紧凑相关,情况足以因而内部的徒步有援救程度、土地利用、占地面积、居住小区、可用财富(活动及娱乐场面、餐饮店等)、贫穷阶段、安全感甚至社区建设方案等来震慑大家的平日,举例挨近自然空间或是中国人民银行道的建筑设计能够在增添运动量的还要有扶助依期活动,那风姿浪漫本性在城市中更是醒目。

两位研讨人口首先应用卷积神经网络从约15万张高分辨率的卫星图像中提代替表建筑碰到特色的数码。那几个卫星图像于二〇一七年二月二日至十日下载,并在商讨时期(二〇一七年一月二10日)更新。图像中的建筑境况消息被分为一百个类比,比如宠物店和百货集团等。这种布置的内在逻辑是区域建造对人群活动的隐衷影响。比如说,有宠物店的区域恐怕会有更加的多的人带狗散步。另蒸蒸日上方面,研究者采撷了二零一四年U.S.A.500个都市的肥壮率估量值。随后,他们结合上述两类数据创设起了叁个回归模型来评估区域内建筑景况与痴肥患病率之间的关系。

直接以来,关于痴肥难点和建造情况间那二者间关系的座谈并不希罕,但固然如此,钻探人员仍在切磋进度中注意到了有的不相符的结果,产生那些不相通的案由可能是度量方法和衡量工具的跨切磋转移所产生的评估及比对困难。另外,相关指标的衡量进程或然代价高昂、耗费时间庞大,而且易受人的主观思维格局影响。因而,研商职员供给开掘风流倜傥种意气风发致性的衡量方法,以促成跨研商相比较。评估并量化建筑遭遇与肥胖间的关联推进大家在社区基础上对相应健康难点加以合适的干涉与防范。

具体来说,一个区域建造意况的表征如土地使用状态,公园、宠物店、强健体魄房与快餐店的分布,公交情状和绿地面积等都与地点的成材肥壮率有关。以圣保罗为例,研商人口发现高肥胖率区域的特点是凝聚的街区和非常少的草坪,相反,低肥壮率区域具备着更多的绿化面积。

对此,来自Washington高校的钻研人口构成年人工智能工夫,建议了如火如荼种周到评估法,个中蕴藏使用预练习的卷积神经网络(意气风发种深度学习法)从高分辨率卫星图像中提取邻域的物理特点。事实上,雷同的研商形式早在那前便遭到了商量职员的关爱。Nguyen QC等人二零一八年7月刊载于《JECH (Journal of Epidemiology and Community Health)》杂志的舆论中,便波及了通过卷积神经网络对Google街景中的建筑情状图像进行分类,并借以评估肥壮与中国人民银行道、建筑类型、街道绿化(或景色美化)那三者间的涉嫌。只是那时候的钻探没能丰盛利用卷积神经网络独立意识涉及因素的力量,仅局限于预设的三大变量。相较之下,本次华盛顿大学宣布的风靡诗歌则完美评估了建筑蒙受中的变量因素,并依靠United States多少个区人口普遍检查丰腴率的细粒度关联进行方式论证。琢磨中所采取的议程皆可扩展,且都根据公开可用的多寡与计量工具,可达成跨钻探可比性。

商讨方法

法兰克福高肥壮率地区(左)与低痴肥率地区(右)的谷歌(Google)卫星图片 (左侧高肥胖率地区以密集的街区和非常少的草地为特征;右边低丰腴率区域有更加高的植物绿化率)

丰腴症患病率数据深入分析

实质上,全球近四分之风流潇洒的总人口有超载或肥壮的压抑。前年三月,意气风发篇公布在《新英格兰历史学杂志》中的大面积环球研讨项目提议全球有赶过20亿幼童和大人患有超载或肥胖相关的经常化难题,占到全球人口的五分三。丰腴难题产生高血脂和心脏病的发病率小幅度上涨,越来越多的人由此死去。

多少来自:选用U.S.A.病魔防控主题“500 Cities”项目中的二〇一四年度人口普遍检查痴肥率粗略估价

那风华正茂高痴肥率是由比很多叶影参差因素促成的,举个例子遗传因素和饮食结构等。而本文的商量者以为,区域内的修筑蒙受也渐渐成为当中主要的熏陶因素,它能够通过资源的可用性来震慑健康,举个例子民居房,活动和游乐空间等。

解析方法:包罗五个步骤。首先,利用卷积神经网络以致提取管理的POI(兴趣点)数据来管理卫星图像,以抓取建筑境况特点。随后,利用弹性互联网回归塑造贰个回顾模型来评估建筑意况与肥胖率之间的关联性。

探究者尝试对建筑景况特色数据与肥壮患病率之间的料定关联给出解释。他们感觉,该关联不自然是因果关系,社经目的恐怕是那黄金时代关系背后的最首要影响因素。其阅览结果证明,对于布鲁塞尔和南安普顿等城市来说,痴肥患病率与建造情形特色之间的大多数重大关系只怕可以透过社经现象的扭转来讲授。但她俩还要提到,卷积神经网络所识其他特点大概会捕获与社经目的无一向关联的别样音信,也等于说,社会经济指标却非解释建筑意况特点与痴肥率之间关系的独步天下要素。

获取卫星图像和POI数据

切磋人口还称,他们的章程帮忙我们评估差别城市的丰腴风险。另外,与昂贵且耗费时间的实地访谈或社区考察方法相比较,该研商为修造蒙受的度量提供了越发合理的方法,也大大裁减了计算开销。

在安装好地理宗旨、图片尺寸(400*400像素)和缩放品级(缩放周到18)的气象下,从谷歌(Google)Static Maps API下载图像。将每一种城市的地理范围划分为方形网格,在那之中每一个点对应大器晚成对纬度和经度值,网格间隔约150米。同不常间,利用人口普遍检查区地图像和文字件将各个图像与其对应的总人口普遍检查区相关联,杀绝城市范围外区域的图像。使用同大器晚成的方形网格来采取地理地点,并在适当的离开内开启径向相近寻觅,以此实现在GooglePlaces of Interest API上下载POI数据(此处不分包城市范围外的兴趣点)。该钻探收罗了一百个独有的POI体系,并图谋了每一种人口普遍检查区对应到每一种相关项目下的岗位数据。

美利坚合众国Duke大学的Benjamin A. Goldstein博士等人一定了两位研商者利用深度学习方式发掘修造情状特征的进献。但她们重申“不要过度解释任何结果”,“深度学习方法与学科知识结合可以追加开采复杂关系的火候,但那并不意味单独的大数量深入分析能够提供具备的答案”。

图像管理

这生气勃勃研商也存在必然的局限性。文章提到,人口普遍检查中的肥胖率数据来源于市民自家报告的身体高度和体重,由于社会对痴肥职员的偏见,计算进度中该数据会偏向于被低估。

几天前,卷积神经网络已经在第风度翩翩的Computer视觉职务(如指标记别、图像分割)、健康相关的选拔(如识别四肢癌),以至清贫预测等领域的大数目集方面获得了突破性的完毕。由于紧缺用于对高丰腴地区和低丰腴地区开展分拣的特大型标记数据集,切磋人口接收了迁移学习(Transfer Learning)法,个中涉及动用预演习互连网从富含近150000个卫星图像的未标明数据聚集提取建筑情状特点。迁移学习包罗微调预训练卷积神经互连网以产生新职务(校勘输出层)或将预演习卷积神经网络当作长久特点提取器(与线性分类器或回归模型相结合)。上述措施已经成功利用于青霄白日不一样于指标志其他计算机视觉职务。

此商讨于二零一七年一月二15日至1月七日张开,由美利坚同盟军Washington高校巴拿马城分校的Adyasha Maharana博士 和伊RyanOkanyeneNsoesie大学子共同完毕。其果实发表于二零一八年十月十三日。

切磋中运用VGG-CNN-F网络,该网络有8层(5个卷积层和3个精光连接层),而且依照约120万个来自ImageNet数据库的图像举行了锻炼,以识别分属于1000个档案的次序的靶子。互联网学习提取有援助目的检查评定的图像梯度、边缘和图画。大多选用相符迁移学习方法的商讨注脚,从基于ImageNet数据练习的互连网中领取的风味可使得地将航空拍戏图像根据土地用途(如高尔夫篮球馆、桥梁、停车场、建筑物和征途)进行细粒度语义分类。

小编:澎湃信息 张唯回去网易,查看更多

切磋人口搜罗了数额汇总各样图像网络第二个完全连接层的输出,这一日千里层有40九十六个节点,每一个节点与其上风流洒脱层及下意气风发层的节点间呈非线性连接,每种特征向量为4096维,对应(也称激活)着来自这么些节点的输出。通过计算人口普遍检查区域有所图像的均值,这几个输出尤其聚合成各种人口普遍检查区的均值特征向量。这几个特点共同代表建筑情况的目标。为了商讨CNN能还是无法区分建筑情状特征,研商职员通过互连网向前传输了大器晚成组随机图像,并检讨lCNN卷积输出的地图(图1)。同期,钻探人口还对图像特点举行了分组,以此验证在丰腴率低和高的地域,建筑意况的特点存在差别(图2)。

责编:

图片 1

图1 卷积神经网络模型下的天性可视化

图片 2

图2

计算分析

利用弹性互连网(意气风发种正则化回归艺术),杀绝了非主要协变量,保留了有关变量,非常适用于从该钻探图像数据汇总提取的高维(n = 4096)特征向量。弹性网络的正则化制止过拟合,那也是出于高殷度数据集的勘察。为了选用得当的调动参数值(λ值),这里运用了接力验证法,并精选了最小化均值交叉验证错误的值。

应用5折交叉验证回归剖析法,以量化下列关联:① 人口普遍检查区构筑景况特点与肥壮率之间的涉及;② 人口普遍检查区POI密度与丰腴率之间的关联;③ 人口普遍检查区建筑意况特征与人均收入差别之间的关系(数据来自“美利坚联邦合众国二零一六寒暑社区调查商讨”中的以往四年推断)。商讨还将数据分为多个随机样品,并用样品1代表模型拟合中百分之二十六的多寡,其他三分一则在颇有分析中张开认证。上述解析针对全部地区风流倜傥道开展,并对种种地方独立开展。

除去,基于人工智能技能的食物泛酸成分分析项目、科学食疗方案、食物照片的卡路里识别项目、各类穿戴设备、语音识别智能家庭血红蛋白健康助手等选取早就习感到常,个中就归纳Google在贰零壹伍年推出的Im2Calories项目、二〇一八年的GoogleCoach,甚至雀巢(Nestle)公司与京东公司二零一七年在智能音箱“叮咚”上同盟推出的美赞臣小AI……

由是观之,人工智能在人类健康难题上的探赜索隐之路正在每每延伸。想要明白更七个人工智能前沿工夫与同行当深度应用? 2018 AI 开辟者大会(AI NEXTCon)来啦!

2018 AI 开荒者大会(AI NEXTCon)

二〇一八年一月8-14日,专为AI开荒者而生的 2018 AI 开辟者大会(AI NEXTCon)将锁定东京(Tokyo),以“AI才具与应用”为着力,深度聚集人工智能的技术改正与同行当使用,为 AI 从业者显示前沿本领、优选产品、行业应用案例,并深度解读行业发展趋势。

此番大会由中夏族民共和国行业内部的IT社区CSDN与硅谷AI专门的学业社区AICamp联合出品,AI NEXTCon是继在突南宁城,硅谷,London打响举行5届后第三次跻身中华,依靠两岸多年AI领域的稳步积攒及中外实力讲教师的资质源优势,此次大会将成为AI行业的年份盛会。

大会以『AI技艺与行使』为主导,注重于智能AI的手艺立异与深度行当利用,设置了Computer视觉、深度学习、 机器学习、知识图谱等多场技艺论坛,优选AI本事在财经、诊治、教育、新零售、无人开车等特级实施应用行当论坛。别的,大会还陈设有AI新品体验主旨展区、编制程序全程马拉松大赛、开辟者对话硅谷AI之夜、AI工夫专项论题深 度培养操练等等充足活动,力图以『超实用技巧+高效利用+超IN新品』描述出201第88中学别智能AI技艺与运用全景图。

眼前,2018 AI 开拓者大会组织委员会公布了首批助教队容,超奢侈阵容大器晚成睹为快:

Demis Hassabis DeepMind联合创办者

图片 3

DeepMind联合创办者 德姆is Hassabis

蒋涛 CSDN创始人&董事长

图片 4

CSDN创始人&董事长 蒋涛

王小川 搜狗CEO

图片 5

搜狗CEO 王小川

马维英 新浪副董事长人工智能实验室经理

图片 6

前不久头条副组长智能AI实验室首席实行官 马维英

崔宝秋 HTC人工智能与云平台副首席营业官

图片 7

HUAWEI智能AI与云平台副COO 崔宝秋

Nikko Strom Sr. Principle Scientist, Amazon

图片 8

Sr. Principle Scientist, Amazon Nikko Strom

朱珑 依图科技(science and technology)巧联合会师创办者兼首席营业官

图片 9

依图科学技术术组织同创办人兼COO 朱珑

初敏 思必驰副老板巴黎研究开发院参谋长

图片 10

思必驰副经理上海研发院秘书长 初敏

胡时伟 第四范式联合创办者

图片 11

第四范式联合创办者 胡时伟

范凯 丁香园CTO

图片 12

丁香园CTO 范凯

Baiyang Liu Sr. Staff Scientist, Facebook

图片 13

Sr. Staff Scientist, Facebook Baiyang Liu

Liang Zhang Director of Engineering, LinkedIn

图片 14

Director of Engineering, LinkedIn Liang Zhang

Vajda Peter Engineering Manager, Facebook

图片 15

Engineering Manager, Facebook Vajda Peter

Sarah Aerni Director of Einstain, Salesforce

图片 16

Director of Einstain, Salesforce Sarah Aerni

漆驻马店 西南京大学学管理器科学与工程高校教师

图片 17

西南京高校学Computer科学与工程大学教师 漆宁德

张伟 雄丁香园副经理

图片 18

雄丁香园副首席实施官 张伟

鹿晓亮 中国科学技术大学讯飞医疗职业部副总老总

图片 19

中国科学技术大学讯飞医治工作部副总COO 鹿晓亮

Jeremy Hermann Head of Machine Learning, Uber

图片 20

Head of Machine Learning, Uber Jeremy Hermann

Chester Chen Head of Data Science, Gopro

图片 21

Head of Data Science, Gopro Chester Chen

近百位中外拔尖AI行家超过公司表示、千位AI开采者及业老婆士三月8-二日将齐聚香江,技艺比舞行当论证,共同唱响2018 AI开拓者大会,急迫特邀您和同盟社插足一同共铸AI新篇章。

> 技革+行当深挖,越多美丽预报告请示跳转「大会官网」。五折早鸟票票火爆进行中,专为AI开垦者而生,就等您了!

图片 22回去腾讯网,查看越来越多

责编:

本文由澳门新葡萄京娱乐网站发布于基础资源运维,转载请注明出处:人工智能在太空监测痴肥,点火你的卡路里

关键词:

最火资讯