O sistema de processamento de linguagem natural faz a transcrição de texto clínico falado, e depois estabelece a relação entre o texto e uma biblioteca padronizada de termos clínicos, sendo capaz de produzir conclusões de valor médico.
O modelo foi treinado com vídeos com enquadramento incomum para fazer reconstruções válidas do posicionamento do corpo inteiro. Os cientistas também apresentaram um método que permite ao modelo avaliar seu próprio treinamento, eliminando a necessidade de fornecer um dataset rotulado.
A importância da Computação para a Ciência de Dados já é senso comum, e o mesmo deve ser reforçado para a Estatística. Neste artigo, apresentamos as relações importantes entre essas duas áreas de conhecimento, demonstrando que um bom cientista de dados também deve dominar conceitos estatísticos.
Através de um laser apontado para uma única superfície da casa (como uma parede ou o teto), o algoritmo é capaz de reconhecer as atividades domésticas pela vibração causada nessas estruturas, tendo assim condições de determinar, por exemplo, quais equipamentos estão em operação, se há uma tubulação de água vazando, ou se a porta da garagem foi aberta mas não foi fechada novamente.
O modelo desenvolvido primeiro analisa trechos de vídeo para reconhecer a atividade representada, e depois sintetiza o som correspondente, mantendo a sincronização entre vídeo e áudio.
Padrões e fenômenos da natureza, em especial os dos seres vivos, têm fornecido uma série de inspirações para resolver problemas computacionais. No artigo, são apresentados três fenômenos biológicos e que soluções computacionais podem ser resolvidas com eles
Um algoritmo de aprendizagem por reforço foi usado para fazer a movimentação de moléculas individuais, se adaptando à natureza quântica e imprevisível da tarefa em tempo real.
Uma rede neural convolucional modificada foi treinada com pares de fotografias de rosto idênticas com a exceção da presença de sombra, alcançando um realismo inédito na tarefa de remover as sombras.
O modelo foi treinado para fazer o upscaling de imagens contendo 25% dos dados originais, o que implica em 1/4 do tempo necessário para sua aquisição, atingindo valor clínico comparável ao das imagens tradicionais.
O modelo foi desenhado para se beneficiar tanto dos dados de satélite processados por uma rede neural convolucional, quanto por modelos matemáticos, alcançando uma resolução maior de capacidade analítica, tanto espacial quanto temporal.
