premier dialogue homme-machine chinoise R�sultats de l'�valuation technique de la Chine sont sortis, deux t�ches �quipes de championnat partagent les d�tails techniques?

Lei Feng r�seau par AI Technology Review: Au cours des derni�res ann�es, la technologie interactive a �t� inqui�tude g�n�ralis�e du milieu universitaire et de l'industrie. Acad�miquement, l'interaction homme-ordinateur interactif est l'un des plus naturelle, les progr�s de leurs recherches et de promouvoir l'impact sur le d�veloppement de la reconnaissance vocale et la synth�se, la compr�hension du langage naturel, la g�n�ration du langage naturel gestion des sessions, etc., sur l'industrie, de nombreux g�ants de l'industrie ont lanc� un des produits li�s � la technologie dialogue homme-machine, comme chiendent, siri, du P�rou, etc., et la technologie interactive comme orientation de l'entreprise sur la direction R & D.

Bas�e sur la technologie d'apprentissage interactif, produisant une place importante dans les deux cercles, la Conf�rence nationale sixi�me du traitement des m�dias sociaux (SMP 2017) sur, parrain� par le traitement des m�dias sociaux Information Processing Society chinois Comit� sp�cial, l'Institut de technologie de Harbin et IFLYTEK Ltd a tenu la premi�re fois accueilli � �valuation de la technologie de dialogue homme-machine chinoise � (ECDT), pour le personnel de R & D li�e � la technologie interactive fournir une plate-forme de communication.

L'�valuation de la technologie interactive comprend deux t�ches, � savoir le classement sur le terrain l'intention de l'utilisateur (selon l'ensemble de donn�es source est divis�e en ouvert et ferm� deux t�ches) et bas�e sur les t�ches d'�valuation sp�cifiques � un domaine interactif en ligne. Bref, la t�che premi�re, afin de d�terminer quels domaines appartiennent � l'intention de l'utilisateur (par exemple le chat, une r�servation de billets ou � l'h�tel, etc.), la seconde est de terminer la t�che intention de t�che de l'utilisateur par plusieurs cycles de dialogue homme-machine dans des zones sp�cifiques. Pour plus de d�tails, voir le dialogue chinois �valuation technique site officiel

Apr�s pr�s de cinq mois de pr�paration et de comp�tition, l'�quipe a remport� un total de sept prix, y compris les syst�mes de dialogue parl� de laboratoire, du Sud Universit� agricole de Chine (scau_SIGSDS) �quipe de travail a remport� la premi�re place dans un endroit ferm� et ouvert deux artificielle pens�e profonde smart (iDeepWise) a remport� la premi�re place dans deux t�ches.

T�che un: l'intention de l'utilisateur champ de classification

1, examen de fin ferm�e

2, l'�valuation ouverte

T�che deux: domaine sp�cifique � la t�che d'�valuation interactif en ligne

SMP 2017 Assembl�e g�n�rale � la sc�ne le samedi, sept �quipes �taient sur leurs rapports techniques ont �t� partag�s. Lei Feng r�seau correspondant � la sc�ne pour �couter enregistr� sept �quipe gagnante de rapports techniques, Et puis contact� l'�quipe technique South China Agricultural University (t�che premi�re place) et de la pens�e profonde robot intelligence artificielle (t�che deux premi�res places), sous l'approbation de licence de deux �quipes de partager le contenu de son rapport technique sont les suivantes.

T�che un: classement de l'intention de l'utilisateur mission d'�valuation sur le terrain

�quipe: South China Agricultural University

Tout d'abord, la t�che de fond

Comprendre la langue parl�e (compr�hension de la langue parl�e, SLU) est une partie importante du SDS, et la classification du discours (classification de domaine) est l'une des t�ches principales de SLU. t�che de classification de champ discursif est de diviser les mots en diff�rentes zones d�finies balises, puis les mots correctement tri�s dans diff�rents sous-syst�mes de SLU. Comme un utilisateur � ECRIRE aide un e-mail �, le syst�me doit �tre divis� dans le champ � message �, le discours sp�cifiquement pour le � Mail � dans le domaine de la compr�hension du langage.

Depuis le dialogue parl� avec des caract�ristiques de courte longueur, class�es par domaine il serait normalement consid�r� comme un classement court texte. L'utilisation pr�coce de la classification multi-domaine plus complexe de caract�ristiques artificielles, telles que les informations de syntaxe, les informations de rythme, le vocabulaire et d'autres informations, un mod�le de classification en utilisant les mod�les d'apprentissage statistique traditionnels, tels que les for�ts al�atoires, de Markov cach�s, CRFs et ainsi de suite.

Depuis la profondeur de l'apprentissage populaire, de nombreux chercheurs ont commenc� � aborder avec la profondeur de l'apprentissage des t�ches PNL (traitement du langage naturel, la PNL), de nombreuses t�ches ont connu un d�veloppement consid�rable, y compris les domaines de la classification. mod�le repr�sentatif comprend la profondeur des r�seaux de croyance (r�seau de croyance profonde, DBN), r�seau de neurones convolutionnels (r�seaux de neurones convolutionnels, CNN), et court et r�seau de la m�moire � long terme (long et la m�moire � court terme, LSTM) et similaires.

En deuxi�me lieu, l'intention de l'utilisateur des zones de travail de classification

classement FIELD utilisateur de correspondance jeu de donn�es intention contient 31 cat�gories de mots, y compris la classe dans le chat (chat) et vertical (30 zones verticales). La t�che est claire, il est de classer correctement l'�nonc� d'entr�e utilisateur dans les zones appropri�es, telles que:

[Cat�gorie Exemples d'intention Champ utilisateur

1) Bonjour, agr�able de vous rencontrer! - chat classe

2) Je voudrais r�server un billet pour P�kin. - Type de t�che vers le bas (billet d'avion)

3) Je suis � la recherche pour pas cher et propre � proximit� d'un Wudaokou Inns - Type de t�che vers le bas (r�servation d'h�tel)

Selon que les organisateurs ne permettent l'utilisation de son �valuation des donn�es fournies par la formation et le d�veloppement est divis� en deux �valuation ferm�e et ouverte.

En troisi�me lieu, l'architecture technique

Description:

: 1 sur la base du champ des mots cl�s identifi�s Avec sa fermeture, en utilisant les donn�es en fonction de l'art mot-cl� extrait, un soutien suffisant et la confiance du mot-cl� de l'art pour identifier l'art.

extensions artificielles: Avec ouverte, une int�gration plus pouss�e des champs artificiels de connaissances pour augmenter la table mot-cl�

31 classificateur: Pour ferm� et ouvert, gr�ce � l'optimisation des mod�les et des param�tres, s�lectionnez le multi-classificateur 31 classification. Dans l'�tape de d�veloppement, l'ensemble d'apprentissage en utilisant la validation crois�e k-fois, a �t� utilis�e dans le motif de test, est d�velopp� par un ensemble d'entra�nement en m�me temps que l'ensemble d'apprentissage est obtenu par validation crois�e.

s classement: Dans un essai ouvert, � d�terminer � l'�tape pr�c�dente pour une pluralit� de zones candidates dans le classificateur 31 n'est pas class� �chantillon correctement, il est en outre class� � nouveau par la formation de classificateur s obtenu. s peut avoir le classement multiple.

Sur la base de l'identification des domaines de la connaissance: Une pluralit� de zones d'assemblage adapt� table de connaissances de l'art, une liste de ces maladies, l'�nonc� correspondant au champ identifi� directement, ou d�termine qu'un champ limit� de plusieurs candidats.

En quatri�me lieu, le programme

1, sur la base du champ d'identification du champ mot-cl�

Nous utilisons l'extraction mot-cl� bas� sur l'algorithme de donn�es sur le terrain, jeu de formation statistique et un ensemble de d�veloppement pour extraire suffisamment de confiance et de soutien pour 2 et 3 mot � mot � constitue une table de mots cl�s sur le terrain. Le syst�me utilise le niveau de confiance = 0,95, prend en charge le taux de seuil de 0,10, 0,15 et 0,18 minutes trois niveaux en fonction du nombre d'�chantillons de l'art de classe. Et la liste de mots cl�s simplifi�e bas�e sur le champ contient la relation. Par exemple, le � Seven Luck � et � Sept heureux couleur � sont un autre ensemble lors de l'extraction mot-cl� pour conserver le � Seven Luck. � Ce faisant, on peut attendre d'augmenter le risque d'erreur judiciaire a une meilleure capacit� � identifier, mais aussi dans une certaine mesure. Avec l'�valuation ouverte, nous avons �largi les champs de connaissances combin�es avec table de mot-cl� artificiel.

2, la classification en fonction des zones LSTM

Par rapport � CNN, r�seau de neurones r�currents (Recurrent Neural Networks, RNN) propice � l'apprentissage des d�pendances � longue distance entre les mots dans une phrase, mais il y a une disparait / divergence gradient. Les plus couramment utilis�s sont quelques-unes des variantes RNN, telles que LSTM, GRU (Gated unit� r�currente), etc., ils ont largement att�nu�s par un gradient m�canisme de d�clenchement RNN disparaissant, et pour �viter un gradient de divergence.

Nous avons v�rifi� l'effet de champ donn� de classification RNN diff�rentes variantes du jeu de donn�es, y compris LSTM ordinaire, GRU et LSTM avec couche cach�e.

3, sur la base des connaissances de domaine pour identifier les domaines de la table

En analysant les caract�ristiques du champ du discours, nous nous sommes concentr�s sur quatre domaines (la sant�, la radio, et GEP) t�l�visionIllustration de cha�ne, combin�e � des informations externes pour construire les trois domaines de la table de connaissances (sant�, radio et t�l�vision). T�l�vision ou d'une table o� des connaissances pour l'art de opg identifi� comme t�l�visionIllustration de cha�ne candidat, la n�cessit� d'une liaison opg-deux classificateur t�l�visionIllustration de cha�ne reconnaissance.

En raison des contraintes de temps, nous n'avons l'effet de mani�re plus intuitive plusieurs domaines ont �t� jug�s. De nombreux domaines m�ritent �galement une �tude plus approfondie pour identifier les zones � construire une table efficace des connaissances de domaine auxiliaire discours sur la fa�on de recueillir et d'organiser l'information externe.

Cinqui�mement, le d�veloppement et l'�valuation

1. V�rifier

Afin de faciliter la validation et le d�veloppement en utilisant l'�valuation de la pr�cision. Nous utilisons d'abord l'ensemble de formation (Train) 10 fois la validation crois�e (r�glage du taux d'apprentissage, le nombre de couches, le nombre de noeuds, la taille du noyau de convolution, comme param�tre de coefficient ultra-d�crochage) et le mod�le de mot s�lectionn� de la classification du vecteur.

De plus, nous utilisons l'ensemble de la formation (train) 10 fois la validation crois�e pour diff�rentes variantes RNN r�sultats de la s�lection ci-dessous. LSTM avec des mod�les s�lectionn�s de la couche cach�e.

2, le d�veloppement

Nous avons test� la s�lection du mode de pr�diction, et les champs de mots cl�s et domaines de connaissances avec des tables ensemble de d�veloppement (Dev).

3, l'�valuation

Dans le test d'�valuation finale, nous avons utilis� un ensemble de formation et un ensemble de d�veloppement, la reconstruction des zones liste de mots cl�s, et 10 fois LSTM validation crois�e classificateur form�. Les r�sultats de l'�valuation du syst�me individuel (ferm� et ouvert), et la partie sup�rieure de trois entr�es dans les r�sultats de l'�valuation moyenne dix premi�res indiqu�es dans le tableau suivant:

Notre syst�me a atteint la premi�re place dans ferm� et ouvert deux haut 4,4% et 4,7% par rapport � la performance de classification par Top10 moyenne.

VI R�sum�

Les r�sultats montrent que la m�thode des t�ches de classification de course profondeur de champ d'�tude peut �tre appliqu�e au discours chinois
approche fond�e sur le savoir a contribu� � am�liorer encore les domaines de performance de classification.
En raison du temps de jeu limit�, la version ouverte, nous avons seulement �t� optimis� pour un petit nombre de domaines, les performances ne sont pas �videntes.
Avec l'expansion du champ de corpus, il contribuera � am�liorer encore les performances de classification du discours. Il y a aussi la possibilit� de r�v�ler des d�fis plus techniques.

T�che deux: domaine sp�cifique � la t�che d'�valuation interactif en ligne

�quipe technique: Pens�es profondes robot intelligence artificielle de

Tout d'abord, la t�che de fond

Turing cas de test (le test de Turing) propos� par Alan Mathison Turing, se r�f�re � l'appareil d'essai avec l'objet de test (un �tre humain et une machine) espac�es par le nombre de moyens (tels qu'un clavier) sont testeurs poser des questions, effectuer plusieurs tests. questionneur g�n�ral apr�s cinq minutes pour poser des questions, si moins de 70% des personnes condamn�es � (soit plus de 30 pour cent de l'arbitre croyait � tort que les gens et ce qu'ils ont dit est pas l'ordinateur), la machine a pass� le test. Test de Turing est le cur tours d'interaction homme-ordinateur.

D�j� au d�but de l'intelligence artificielle, les gens ont commenc� � explorer cette r�gion. Bien qu'il existe toujours de nouvelles technologies �mergentes, le degr� d'interaction ordinateur humain intelligent augmente �galement. Mais � ce stade de la technologie de l'interaction homme-ordinateur n'a pas encore atteint le niveau d'une v�ritable intelligence humaine, si largement dans le domaine de l'interaction humaine est encore difficile d'atteindre un niveau pratique. L'interaction homme-ordinateur chinois, comme d'autres technologies de traitement du langage naturel, limit� par les caract�ristiques chinoises, plus la difficult� relative de l'interaction informatique humaine anglais, gap technique l�g�rement. Donc, � ce stade pour que les gens � r�aliser l'interaction homme-ordinateur et le niveau de base pratique de satisfaction, nous devons �tre limit�. En r�gle g�n�rale, le Chat et les zones de travail sp�cifiques limit�s, l'interaction homme-ordinateur sera plus satisfait de la performance. Dans ces zones, en raison de l'interaction des personnes dans le but de base d'une t�che dans le cadre de l'objectif, le processus de l'esprit humain, alors la chirurgie est le stade de la technologie de traitement du langage naturel peut faire.

dialogue homme-machine chinoise cette t�che pour l'�valuation technique des deux h�tels, billets de train, billet d'avion r�server ces trois applications de plusieurs s�ries de tests de dialogue. H�tels, billets de train, billet d'avion r�server ces trois applications sont souvent dans une question et d'interaction r�ponse en un seul tour ne peut pas �tre achev�, le besoin de plusieurs tours d'interaction. Et quand plusieurs s�ries d'interaction, mais aussi fait de la r�gion sont susceptibles de se produire, en un mot contenu dans l'adaptateur ou de la demande dans de nombreux domaines. Afin de r�aliser plusieurs s�ries d'interaction homme-ordinateur, l'intelligence artificielle, l'�quipe de ideepwise pens�e profonde a d�velopp� un pr�-traitement de corpus, l'intention de la classification, le traitement de contexte et de prise de d�cision, la compr�hension du module intention et le traitement, l'utilisation int�gr�e d'un certain nombre de technologies d'intelligence artificielle de l'apprentissage en profondeur (Figure -2 ).

Figure -2 syst�me d'interaction homme-machine tours-cadre global

En second lieu, corpus pr�-traitement

Dans plusieurs s�ries de syst�me d'interaction homme-ordinateur chinois, vous devez d'abord parler de correction d'erreur d'entr�e de l'utilisateur, l'ach�vement, la r�solution des anaphores, la segmentation, le marquage POS, la reconnaissance de l'entit�. Pour diverses raisons habitudes de l'utilisateur, la ma�trise de la langue, et parfois il y aura une erreur d'entr�e utilisateur. Dans le syst�me interactif int�gre la reconnaissance vocale, ainsi que les erreurs de reconnaissance vocale, le bruit ambiant, des pauses d'erreur causent des probl�mes. Dans les applications pratiques de ces erreurs de reconnaissance vocale parfois tr�s graves, et m�me causer toute l'interaction ne peut pas continuer. En m�me temps, car il est plusieurs tours d'interaction, les gens ont des informations ci-dessus et a omis de se r�f�rer. Par cons�quent, afin de comprendre plus pr�cis�ment l'intention de l'utilisateur ou le besoin des mots de correction d'erreur d'erreur d'erreur de reconnaissance vocale de l'utilisateur, et de se r�f�rer � l'information omise pour l'ach�vement et anaphore traitement de r�solution conform�ment au contexte. Ensuite, la segmentation, le marquage POS. Enfin, le temps, le lieu et les entit�s dans certaines zones pour l'identification physique.

En troisi�me lieu, la classification d'intention

Dans de nombreux domaines du syst�me d'interaction homme-ordinateur, lorsqu'un utilisateur dit un mot, il faut d'abord savoir ce qu'il est un probl�me qui zones pour module de traitement de service dans ce domaine pour le traitement. Donc, la premi�re question � l'entr�e de l'utilisateur ou cat�goris� par secteur d'activit�. Le probl�me est similaire au probl�me de classement g�n�ral, mais un peu diff�rent.

Si les donn�es secteurs d'activit� sp�cifique accumul� suffisamment, g�n�ralement bas� sur l'algorithme d'apprentissage profond CNN taxonomie L'intention peut obtenir de bons r�sultats, mais si cela est difficile � obtenir beaucoup de corpus de formation de bonne classification d'�tiquetage, dans le contexte chinois, le probl�me est plus important, il a toujours �t� le probl�me de la classification qui fonctionne mieux la profondeur de l'apprentissage, il est plus difficile � utiliser. Si seulement cette cha�nes de d�pendance de cas � l'intention Classifier est certainement pas � cause de trop peu d'informations � offrir, ici, nous devons �largir la liaison de donn�es dimensions de caract�ristiques de domaine de probl�me, l'intention de l'algorithme de classification hi�rarchique int�gr�.

En troisi�me lieu, le contexte et le processus de prise de d�cision

En raison de plusieurs s�ries d'interaction, il y a beaucoup d'informations ont �merg� dans l'interaction ci-dessus, l'utilisateur ne se reproduira pas dans le probl�me actuel, nous avons besoin d'un module de m�moire de contexte. Dans le contexte des probl�mes de m�moire, le r�seau de la m�moire � long terme (LSMC NetWorks) que le r�seau de neurones standards r�currents (RNNs) beaucoup de bien, il r�sout le probl�me de mod�le RNNs du gradient de diffusion.

correspond pas � vrai-dessus d'une FAUSSE ci-dessous pour prendre des d�cisions par la d�cision, une d�cision est adopt�e dans l'apprentissage par renforcement profondeur en profondeur l'apprentissage par renforcement de l'algorithme d'apprentissage profond Q pour former un meilleur contexte de mod�le correspondant. Pour enfin pouvoir terminer la t�che ce but sur le terrain particulier, si �ventuellement �tre en mesure d'accomplir cette t�che est une r�troaction positive, ils n'ont pas termin� la t�che en tant que feedback n�gatif, continuent avec plusieurs s�ries de corpus de dialogue pour obtenir une vari�t� de r�troaction interactive. Une fois que des cycles multiples de dialogue peut �tre d�finie comme un processus de d�cision de Markov (les CMD), la rotation r�p�t�e entre les noeuds interm�diaires dans l'�tat de session S, alors le comportement de session de chirurgie A, les rendements R, S ... jusqu'� la fin du premier �tat de plusieurs cycles de dialogue, qui est en fin de compte le meilleur rendement sur le mod�le de r�seau Q peut correctement rempli la t�che, le mod�le de contexte pour d�terminer la meilleure correspondance.

Quatri�mement, l'intention de comprendre et de traiter

Lorsque le contexte du processus de prise de d�cision et la session en cours � un module de traitement de service sur le terrain pour le traitement, le module sur la n�cessit� pour l'utilisateur de comprendre l'intention de cette phrase, puis trait�es. Bien que ces champs de type de t�che particuli�re, la langue de l'intention de l'utilisateur est relativement OK, mais les gens ne se d�finit pas, donc m�me exprimer la m�me intention, diff�rents dans diff�rents temps les gens de la sc�ne, l'utilisation du texte, alors la chirurgie combien ce sera un peu diff�rent.

FAQ �tablir l'intention d'un utilisateur, alors la chirurgie. calcule ensuite la session en cours et le degr� de similitude dans la FAQ, puis des phrases de chirurgie algorithme de similarit� bas�e sur une �tude approfondie. Dans le calcul de la similitude de la phrase, l'utilisation du vecteur de mot, synonymes, extension mot-cl�, calcul s�mantique, l'usage de la parole, des mots-cl�s et d'autres informations pour donner diff�rentes contributions de diff�rents poids. Alors que pour un domaine particulier et une partie du discours, le mot fait un traitement sp�cial similarit� s�mantique. Lorsque l'utilisateur � comprendre l'intention de la session en cours, mais aussi pour une partie de la s�ance d'information de la r�solution d�cime. Ces informations incluent le temps commun, le lieu, y compris certains domaines qui n�cessitent l'origine, l'a�roport de destination, num�ro de vol, nom de l'h�tel, le prix et ainsi de suite.

V. Application et signification

� Comment le temps qu'il fera demain Shanghai � Le robot donne la r�ponse de temps, l'utilisateur a ensuite demand�: Bas� sur la recherche technologique ci-dessus et le d�veloppement du robot ideepwise pens�e profonde peut atteindre similaire aux personnes dans les zones sp�cifiques d'une sc�ne que la fluidit� des �changes, que les utilisateurs ont demand� � -3 demande: �J'ai r�serv� un h�tel l�-bas, � le robot guidera l'utilisateur pour interroger les besoins des utilisateurs pour les prix, les utilisateurs ne doivent r�pondre � la gamme de prix, le robot donnera des r�ponses compl�tes en douceur.

Figure -3

Un autre exemple, la figure 4: l'interaction entre le processus a �t� interrompu, le robot aussi comme les gens se souviennent d'un processus, tels que: peut le processus de r�servation, si l'utilisateur demande les pr�visions m�t�o, l'intention de l'utilisateur automatiquement class� comme temps, puis continuer processus de r�servation.

Figure -4

interaction homme-ordinateur pour comprendre le contexte d'une technologie r�volutionnaire, ce qui signifie que plusieurs tours de plus � am�liorer le service � la client�le efficacit� intelligente, interactive de l'interaction homme-ordinateur sur la sc�ne d'une enqu�te m�dicale AI, l'interaction automobile humain-ordinateur, t�che taux d'ach�vement et de l'exp�rience, ce qui rend les gens l'interaction de l'ordinateur peut �tre plus comme une conversation entre deux personnes, entre les gens sont habitu�s � avoir contexte, souvent � sur la base de ce qui pr�c�de, ce qui suit est dit incompl�te �, comme le service traditionnel de client intelligent sont:

utilisateur: � Ma machine � la maison est cass�e! �

robot: D�sol� ne peut pas savoir parce que le mod�le de la machine, temporairement incapable de vous r�pondre, s'il vous pla�t passer au service � la client�le manuelle.

�tre en mesure de comprendre le contexte des avanc�es technologiques, le dialogue plus fluide, le robot peut en fait comme les gens pour accomplir une t�che particuli�re, voici un autre sc�nario:

utilisateur: � Ma machine � la maison est cass�e! �

robot: Quelle est votre machine � la maison pr�cis�ment ce que la machine ah?

utilisateur: mon cuiseur � riz est cass�

robot: Est-ce que votre maison cuisini�res �lectriques quel type de ah?

utilisateur: P10

robot: P10 mod�les de cuiseurs de riz vous recommandons d'aller de Zhongguancun, le plus proche point de vente service d'entretien ***

interaction interactive homme-machine et la fa�on la plus naturelle pour atteindre entre les gens comme le flux naturel de la conversation est l'un de l'objectif ultime de l'intelligence artificielle. Si plusieurs tours de dialogue humain-ordinateur peut r�aliser une perc�e dans certaines applications, l'application des techniques d'intelligence artificielle dans le domaine r�alisera un bond en avant, qui a battu l'importance pratique que les joueurs humains AlphaGo est plus important.

Lei Feng r�seau Note: Le dialogue ci-dessus parl�e par l'�quipe du laboratoire de Chine du Sud Universit� agricole Syst�me scau_SIGSDS et la pens�e profonde AI Robotics (iDeepWise) fourni.

�quipe scau_SIGSDS Sud Universit� agricole de Chine, �cole de math�matiques et d'information Dialogue Spoken syst�me de recherche Ma�tre Tang Jiecong et six po�mes de premier cycle Liang Yong, mois Jiang Yan, Li Yang Hui Ling est pas grande, il est vrai, Duze Feng compos�, dirig� par professeur agr�g� Huang Peijie.

iDeepWise pens�e profonde AI ideepwise accent est mis sur � cerveau comme l'intelligence artificielle et l'apprentissage en profondeur � la technologie de base des entreprises de haute technologie, ils � interpr�tation ideepwise de du cerveau" robots de d�pistage du cancer du col de ce produit a �galement �t� une perc�e, dans les r�sultats des tests de jeux de donn�es Herlev: pr�cision de la classification des cellules de 99,3% (Instituts nationaux de la sant� NIH que 1% plus �lev�, 2017.6), une sp�cificit� sup�rieure � 1%, 1,5% une sensibilit� plus �lev�e, est actuellement la seule fa�on d'identifier les cellules glandulaires AI produits d�pistage du cancer du col ut�rin anormal, a atterri dans les trois h�pitaux et un certain nombre d'organisme d'inspection tiers.

Route de la soie

Apprenez � conna�tre la Chine

premier dialogue homme-machine chinoise R�sultats de l'�valuation technique de la Chine sont sortis, deux t�ches �quipes de championnat partagent les d�tails techniques? | SMP 2017

T�che un: classement de l'intention de l'utilisateur mission d'�valuation sur le terrain

�quipe: South China Agricultural University

Tout d'abord, la t�che de fond

En deuxi�me lieu, l'intention de l'utilisateur des zones de travail de classification

En troisi�me lieu, l'architecture technique

En quatri�me lieu, le programme

Cinqui�mement, le d�veloppement et l'�valuation

VI R�sum�

T�che deux: domaine sp�cifique � la t�che d'�valuation interactif en ligne

�quipe technique: Pens�es profondes robot intelligence artificielle de

Tout d'abord, la t�che de fond

En second lieu, corpus pr�-traitement

En troisi�me lieu, la classification d'intention

En troisi�me lieu, le contexte et le processus de prise de d�cision

Quatri�mement, l'intention de comprendre et de traiter

V. Application et signification