智能AI灵魂注入,中年人痴肥率与区域建筑情状特色相关

范凯 丁香园CTO

首尔高丰腴率地区(左)与低肥壮率地区(右)的谷歌(Google)卫星图片
(侧面高肥壮率地区以密集的街区和非常少的草地为特色;左边低肥壮率区域有更加高的植物绿化率)

Sr. Staff Scientist, Facebook Baiyang Liu

小编:

在设置好地理中央、图片尺寸(400*400像素)和缩放品级(缩放周详18)的事态下,从GoogleStatic Maps
API下载图像。将各类城市的地理范围划分为方形网格,在那之中每种点对应龙精虎猛对纬度和经度值,网格间隔约150米。同失常间,利用人口普遍检查区地图像和文字件将种种图像与其对应的总人口普遍检查区相关联,排除城市范围外区域的图像。使用一样的方形网格来抉择地理地点,并在方便的离开内开启径向附近搜索,以此实未来GooglePlaces of Interest
API上下载POI数据(此处不包涵城市范围外的兴趣点)。该研商搜罗了玖拾柒个独有的POI类别,并妄想了各样人口普遍检查区对应到每一个相关项目下的职责数据。

切磋者尝试对建筑情状特色数据与肥壮患病率之间的明确性关联给出解释。他们以为,该关联不自然是因果关系,社经指标恐怕是那豆蔻梢头涉及背后的要紧影响因素。其观望结果注明,对于多伦多和塔什干等城市来说,丰腴患病率与建筑景况特色之间的大大多第意气风发关系只怕能够通过社经现象的扭转来分解。但她们还要提到,卷积神经网络所识其余性状或者会捕获与社经目标无平昔关乎的别样音信,也正是说,社经目标并不是解释建筑意况特点与痴肥率之间涉及的绝无唯有要素。

钻探人口搜集了数量汇总每一种图像网络第贰个完全连接层的输出,那风流倜傥层有40玖拾玖个节点,每一种节点与其上黄金时代层及下意气风发层的节点间呈非线性连接,各类特征向量为4096维,对应(也称激活)着来自那个节点的输出。通过总括人口普遍检查区域全体图像的均值,那个输出越发聚合成每一种人口普遍检查区的均值特征向量。那一个特征共同代表建筑意况的目的。为了切磋CNN能无法区分建筑境况特点,商讨人士由此网络向前传输了蒸蒸日上组自由图像,并检查lCNN卷积输出的地形图(图1)。同期,钻探人士还对图像特点实行了分组,以此表达在肥壮率低和高的所在,建筑碰到的性状存在差距(图2)。

U.S.A.杜克高校的Benjamin A.
高尔德stein博士等人一定了两位研商者利用深度学习方法发掘修筑情况特色的孝敬。但她们强调“不要过分解释任何结果”,“深度学习方法与学科知识结合能够追加开采复杂关系的时机,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”。

Engineering Manager, Facebook Vajda Peter

那朝气蓬勃高肥壮率是由许多复杂因素促成的,举例遗传因素和饮食结构等。而本文的钻探者以为,区域内的建筑景况也稳步成为此中第百废具兴的熏陶因素,它能够通过财富的可用性来影响平常,举个例子商品房,活动和游戏空间等。

蒋涛 CSDN创始人&董事长

此研商于二零一七年10月四日至11月三19日实行,由United StatesWashington大学巴拿马城分校的Adyasha
Maharana大学生 和ElaineOkanyeneNsoesie大学生共同完结。其果实发表于二〇一八年12月18日。

菲律宾申傅娱乐 1

研究人士建议了意气风发种采纳卷积神经网络(CNN)评估中年人痴肥患病率与区域建筑蒙受之间涉及的秘技。卷积神经互联网是风姿罗曼蒂克种深度学习方式,该商讨所运用的卷积神经网络经过预先练习,能够捕捉区域条件的性格,例如绿化、土地等自然个性和道路、房屋等建筑特点。

图2

原题目:人工智能在高空监测肥壮:成年人痴肥率与区域建造意况特点相关

炸鸡可乐蛋挞,烧烤麻辣烫奶茶,游戏番剧代码,日落西山,阿宅瘫在沙发。

事实上,全世界近伍分之后生可畏的人数有超载或丰腴的麻烦。二〇一七年3月,意气风发篇发表在《台北爱尔兰管管理学杂志》中的大范围整个世界研讨项目提议全世界有超越20亿少年小孩子和大人患有超载或肥壮相关的平常难题,占到整个世界人口的百分之七十五。痴肥难题形成前驱糖尿病和心脏病的发病率小幅上升,更多的人由此死去。

菲律宾申傅娱乐 2

他俩的钻研结果申明,区域内的修造景况与差别社区痴肥患病率的成形有关。回归模型展现,建筑遇到特点解释了该项目涉嫌的1698人口普遍检查区内64.8%丰腴率的产生。具体来讲,该模型对两样城市丰腴率的计量本事有所差异。其最纯正地预测了乌兰巴托市的肥壮率,正确率为73.3%。最低是在圣迭戈地区,正确率是55.8%。

胡时伟 第四范式联合创办人

研商人口还称,他们的办法帮忙大家评估分化城市的丰腴危害。此外,与昂贵且耗费时间的当场访谈或社区考察情势比较,该商讨为修筑情况的衡量提供了更为客观的不二秘诀,也大大收缩了总括费用。

原标题:人工智能灵魂注入,焚烧你的卡路里——2018,你AI了呢!?

作者:澎湃新闻 张唯归来微博,查看越多

马维英 今日头条副首席施行官人工智能实验室总管

具体来说,一个区域建造景况的表征如土地使用情形,公园、宠物店、健美房与快餐店的布满,公交情况和绿地面积等都与地点的中年人痴肥率有关。以多伦多为例,研究职员开掘高痴肥率区域的特色是密集的街区和少之又少的草坪,相反,低痴肥率区域具备着越多的绿化面积。

HTC人工智能与云平台副CEO 崔宝秋

  你所居住的社区中有宠物店、强健身体房和花园吗?仍然充满着快餐店、超市和农忙的街道?那么些答案大概预示着你的肥胖可能率。

朱珑 依图科技(science and technology)巧联合相会创办者兼总老董

这生气勃勃探讨也存在必然的局限性。小说提到,人口普遍检查中的肥壮率数据来源于居民自家报告的身体高度和体重,由于社会对痴肥人员的偏见,总括进程中该数据会侧向于被低估。

菲律宾申傅娱乐 3

近来,两位出自美利坚联邦合众国Washington学院明尼阿波利斯分校的钻研人士开采大家所处的建造情形与区域内的肥壮率有十分的大的涉嫌。区域建筑景况特征是指区域内的当然和人工遇到,例如绿地和公路等。那一个遭遇特色能够与任何数据整合使用,进而监测地点的丰腴患病率。

不久前,2018 AI 开垦者大会组织委员会揭露了首批教师队容,超豪华队伍容貌相貌大器晚成睹为快:

思必驰副老总东京研究开发院省长 初敏

两位探讨职员先是使用卷积神经互连网从约15万张高分辨率的卫星图像中领替代表建筑情况特征的数据。那几个卫星图像于二零一七年三月21日至二十六日下载,并在钻探时期(二零一七年二月十八日)更新。图像中的建筑情状消息被分为九十七个类比,举个例子宠物店和百货店等。这种设计的内在逻辑是区域建筑对人流活动的机要影响。比如说,有宠物店的区域可能会有越来越多的人带狗散步。另大器晚成方面,研讨者搜集了二〇一五年U.S.A.500个都市的丰腴率猜测值。随后,他们结成上述两类数据创设起了三个回归模型来评估区域内建造意况与肥壮患病率之间的涉及。

Director of Engineering, LinkedIn Liang Zhang

丁子香园副CEO 张伟

Sr. Principle Scientist, Amazon Nikko Strom

东北京大学学计算机科学与工程高校教授 漆西宁

DeepMind联合创办人 德姆is Hassabis

菲律宾申傅娱乐,近百位中外顶级AI行家抢先公司表示、千位AI开采者及业妻子员7月8-三十13日将齐聚新加坡,本领比舞行当论证,共同唱响2018
AI开采者大会,热切约请你和市廛加入共同共铸AI新篇章。

崔宝秋 HUAWEI人工智能与云平台副首席营业官

菲律宾申傅娱乐 4

搜狗CEO 王小川

对此,来自Washington大学的研商人口结成年人工智能本事,建议了风度翩翩种周到评估法,此中蕴含使用预训练的卷积神经网络(龙腾虎跃种深度学习法)从高分辨率卫星图像中领到邻域的大意特点。事实上,类似的商讨方法早在早前便面前遭逢了切磋职员的爱惜。Nguyen
QC等人二〇一八年五月刊载于《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街景中的建筑情况图像进行分拣,并借以评估丰腴与中国人民银行道、建筑类型、街道绿化(或景象美化)那三者间的涉嫌。只是那时的研商未能充足利用卷积神经互连网独立意识涉及因素的技术,仅局限于预设的三大变量。相较之下,此番Washington大学颁发的新式诗歌则全面评估了建造意况中的变量因素,并依靠U.S.多少个区人口普遍检查丰腴率的细粒度关联实行艺术论证。研商中所选择的不二法门皆可扩大,且都基于公开可用的数额与总括工具,可实现跨研商可比性。

Head of Data Science, Gopro Chester Chen

2018 AI 开荒者大会(AI NEXTCon)

Chester Chen Head of Data Science, Gopro

除此之外,基于人工智能技能的食品维生素成分深入分析项目、科学食疗方案、食品照片的卡路里识别项目、各类穿戴设备、语音识别智能家庭碳水化合物健康帮手等利用早就管见所及,个中就总结谷歌在二零一六年推出的Im2Calories项目、二零一八年的GoogleCoach,以致贝因美(Beingmate)集团与京东公司二零一七年在智能音箱“叮咚”上合作推出的飞鹤小AI……

研商形式

第四范式联合创办人 胡时伟

大会以『AI本事与运用』为主干,重点于人工智能的技术立异与深度行业使用,设置了Computer视觉、深度学习、
机器学习、知识图谱等多场本领论坛,优选AI本事在金融、医疗、教育、新零售、无人驾车等一流实施应用行业论坛。别的,大会还配备有AI新品体验宗旨展区、编制程序四分马拉松大赛、开垦者对话硅谷AI之夜、AI本事专项论题深
度培养练习等等充足活动,力图以『超实用才干+高效使用+超IN新品』描述出2018全球人工智能技能与利用全景图。

菲律宾申傅娱乐 5

商讨中选拔VGG-CNN-F互连网,该互联网有8层(5个卷积层和3个精光连接层),何况遵照约120万个出自ImageNet数据库的图像举办了操练,以识别分属于1000个类型的目的。互连网学习提取有利于目的检验的图像梯度、边缘和图案。好多行使类似迁移学习方法的钻研评释,从基于ImageNet数据练习的互连网中领取的天性可实用地将航空拍戏图像依据土地用途(如高尔夫球馆、桥梁、停车场、建筑物和征途)进行细粒度语义分类。

Head of Machine Learning, Uber Jeremy Hermann

由是观之,人工智能在人类健康难点上的商讨之路正在不断延长。想要通晓更七个人工智能前沿才具与同行当深度应用?
2018 AI 开采者大会(AI NEXTCon)来啊!

菲律宾申傅娱乐 6

丰腴症患病率数据剖析

菲律宾申傅娱乐 7

Vajda Peter Engineering Manager, Facebook

菲律宾申傅娱乐 8

应用5折交叉验证回归剖判法,以量化下列关联:①
人口普遍检查区修筑境遇特色与丰腴率之间的涉嫌;②
人口普遍检查区POI密度与肥壮率之间的涉及;③
人口普遍检查区大兴土木情状特色与每人平均收入差距之间的关系(数据来自“美国二零一六年度社区应用切磋”中的以往五年估算)。研究还将数据分为多少个随机样品,并用样板1代表模型拟合中十分六的数量,别的十分之三则在装有剖析中开展求证。上述剖判针对富有地区协同展开,并对各样地方独立实行。

菲律宾申傅娱乐 9

中国科学技术大学讯飞医治工作部副总首席施行官 鹿晓亮

相关文章