基于机器学习的手写签名鉴别技术综述

手写签名鉴别是应用最广泛的生物认证技术之一,由于其具备的高效性、可靠性和低成本等优点,该技术在行政、金融以及刑事司法鉴定等领域中都扮演着重要的角色.本文在阐述手写签名鉴别技术基本概念的基础上,对该领域常用的公开数据集和评估指标进行简介,对多种主流基于机器学习的手写签名鉴别方法进行分析和讨论,并提出该领域的挑战与发展方向.     

人工智能时代的社交媒体与灾害治理——兼论国际案例

灾害治理正迈向人工智能新时代,人类智能、机器智能与人工智能是灾害信息处理的三个发展阶段,人工智能时代的社交媒体与灾害治理研究视角主要有"人工智能有效论""灾害响应新系统论""智能提取信息论""智能检查监控论""辅助决策支持论"等,这一理论模型分为技术、开源、分类、位置与数据等五个基本维度。人工智能机器学习能自动从社交媒体大数据中提取有用信息,同时能有效识别灾民、估计其实际位置及评估灾后讨论主题等。人工智能还可以有效处理偏远地区社交媒体灾害信息,同时具有准确解释离线社区灾害信息能力,为不同群体在偏远虚拟社区提供灾害学习和决策平台。虽然人工智能也可能具有关键字错误搜索、测试与评估等潜在风险,尤其可能忽视弱势群体,但毋庸置疑,它正促使灾害治理经历一系列创新活动,为其变革提供了重要动力。     

基于角膜图像的人体死亡时间推断模型初探

目的尸体角膜随死后时间延长发生的形态学变化是规律性较好的指标,常用来判断死亡时间(postmortem interval,PMI)。本文尝试用机器视觉代替人的肉眼主观判断,收集尸体样本以建立通过人体角膜图像推断PMI的模型。方法收集实际案例建立包含505例人体死后角膜图像的数据库,PMI范围为0.24h(约死后14min)至492h(约死后20.5d),大致分为三类(依次为:0~<6h、6~<20h、20h及以上)或二类(0~<15h、15h及以上);使用由华盛顿大学陈天奇博士提出的Xgboost模型分别进行二分类与三分类分析;使用多种卷积神经网络模型分别进行分类和回归学习,并通过比较最终选择了由微软研究院提出的ResNet模型进行分析。结果Xgboost在三分类时预测准确率依次为71.8%、40.7%、65.7%,二分类时为90%、48.5%。ResNet分类模型中,精准率、召回率在三分类时分别依次为:81%、75%,30%、50%,61%、71%,二分类时为:70%、92%,76%、38%。ResNet回归模型中,比较整个模型的预测结果,0~6h内的预测值与真实值较为接近,均值误差为0.5616,均方误差为0.5873,6h之后开始出现较大误差。结论分类和回归模型都在0~6h之内得到了很好的结果,说明在此时间段内,角膜图像噪声较低,可预测性强。     

从通用计算到偶然计算：理解算法的历史性与生成性

算法概念在历史过程中不断发展变化,关于算法生成性的讨论也一直在持续。16至18世纪的算法概念主要指符号方法,它被视为获得确定性知识的触发器。基于符号方法的通用符号计划,试图用符号的推理演绎解决各领域的争端。在19世纪形式与意义分离的背景下逐渐形成的经典算法概念,重在预先决定的形式规则。晚近的交互范式和偶然计算论则认为预先规则化并不意味着预先决定,计算过程具有不可预测的偶然性、生成性乃至创造性。不可预测并不是对思想的阻断,而是一种特殊的思想模式。在数字技术愈发构成全球性控制论系统的今天,算法应当帮助使用者向系统外敞开,而非使人失去质询并跳出系统的能力。     

基于半监督机器学习的监所人员风险计算

风险评估是当今社会各个行业都会涉及到的一个基础课题.在传统的风险评估算法研究中,大多关注风险点的前期事件和相关风险的前瞻,大部分认知风险是由日积月累的多种行为、特征组成.在公安监所人员风险评估工作中,人员风险也在日益的变化,通过暴力、健康、脱逃、自杀、心理、闹监六个维度对在押人员进行风险评估计算,并通过机器学习相关技术...     

生成式人工智能机器学习中的著作权风险及其化解路径

作为一种基于机器学习的人工智能技术，生成式人工智能通过大规模数据集的学习训练来生成新的内容。生成式人工智能的快速迭代发展与机器学习的强数据依赖，在带来“创作”便利的同时，也给传统著作权理论带来了挑战。尤其是机器学习中的大规模素材训练所面临的著作权风险，亟待理论上的剖析厘清、司法实践上的准则确立。笔者从生成式人工智能的技术原理出发，通过梳理其素材来源与使用方式，分析机器学习素材训练中的典型侵权类型。并从理论基础、国内司法、欧盟立法等方面分析合理使用制度相对于法定许可制度的可行性。最终提出将生成式人工智能机器学习中的版权作品使用行为纳入合理使用制度范畴，既是当今科技发展浪潮中促进人工智能产业发展的最优解，也是维持“个人利益”与“公共利益”之间平衡的理性考量。     

大鼠死后皮肤傅里叶变换红外光谱变化与死亡时间的关系

目的运用傅里叶变换红外(Fourier transform infrared,FTIR)光谱技术分析大鼠死后15d内背部皮肤的光谱变化,以此推断死亡时间。方法大鼠麻醉后颈椎脱臼处死,置于温度为25℃、湿度为50%的环境中,分别于不同时间点提取其背部皮肤,收集红外光谱数据,并利用机器学习技术对数据进行分析。结果大鼠死后背部皮肤组织光谱吸收峰的峰位未发生明显改变,其强度随死亡时间延长而发生变化;偏最小二乘(partial least squares,PLS)回归构建的死亡时间推断模型决定系数(R2)为0.92,预测均方根误差为1.30 d。根据模型中的变量投影重要性(variable importance for projection,VIP)指标确定推断死亡时间的贡献波段为1760~1700cm-1、1660~1640cm-1、1580~1540cm-1和1460~1420cm-1。结论应用FTIR技术检测大鼠死后皮肤组织的光谱学改变,为死亡时间推断提供了一种新的思路。     

论机器学习赋能主流意识形态传播的价值和路径

机器学习,作为一项能够自主学习、自主分析、自主理解和研判数据信息的人工智能技术,对促进网络意识形态传播,防范网络意识形态风险,具有独到的价值:在传播主题上,增强网络舆论热点的洞察能力和回应能力;在传播内容上,使定制生产和分众传播成为可能;在传播反馈上,使效果评估和及时调适成为现实。全社会宜从提高机器学习的创新能力、加深传统媒体与移动互联网平台的融合、重视技术研发人员的社会主义核心价值观教育以及培育舆论工作者智能素养和人机协同能力等方面入手,增强机器学习对主流意识形态传播的正向赋能效果。     

资本

纳斯达克指数15年后重新站上5000点关口美国股市3月2日上涨,纳斯达克综合指数收盘突破5000点关口,为近15年来首次。道琼斯指数和标普500指数也双双刷新纪录。有分析指出,主要股指的反弹凸显出美国金融市场在2000年和2008年金融危机及近年来债务僵局过后的全面复苏。点评:难道不是打压油价使美元坚挺的结果吗?