准确高效的动态干预决策发现

干预决策是数据挖掘领域关注的重要问题,致力于评价干预措施对干预目标的影响或发现满足干预目标的最优干预措施,而朴素干预规则模型简单,无法精确表达干预知识,且效率较差。在模型设计中引入了马尔科夫链,提出了干预过程动态模型,设计并实现了基于干预力度的动态精确干预评价体系。在中国出生缺陷数据集上的实验表明,该方法可比较精确地发现干预规则。     

模拟真实场景的场景流预测

人工智能发展至今正逐渐进入认知时代,计算机对真实物理世界的认知与推理能力亟待提高。有关物体物理属性与运动预测的现有工作多局限于简单的物体和场景,因此尝试拓展常识推理至仿真场景下物体场景流的预测。首先,为了弥补相关领域数据集的短缺,提出了一个基于仿真场景的数据集 ModernCity,从常识推理的角度出发还原了现代都市的街边景象,并提供了包括 RGB 图像、深度图、场景流数据和语义分割图在内的多种标签;此外,设计了一个物体描述子解码模型(ODD),通过物体属性辅助预测场景流。通过消融实验证明,该模型可以在仿真的场景下通过物体的属性准确地预测物体未来的运动趋势,通过与其他 SOTA 模型的对比实验验证了该模型的性能及 ModernCity 数据集的可靠性。