「民航联盟」2023年民航客运市场旅客量预测报告
在疫情发展不确定的情况下,对于市场的影响因素众多,而采取上限、下限的中间值方法进行预测,实际误差的范围也会较大。虽然最终也使用历史数据进行了修正,但是疫情影响因子的偏差也被放大了。然而,在极其不确定的市场前景下,我们需要这样一个预测值来树立信心,指导工作。既要相信市场的复苏态势,基于2022年的实际情...
美国大选之后的思考:AI能准确预测选民的行为吗?
可以预见,一些预测的确精准无比,但是类似“AdvancedSymbolicsPolly“这样的AI预测系统也会“误入歧途”,例如AdvancedSymbolicsPolly得出佛罗里达州将投票给拜登,占该州总票数的52.6%的这一失准预测,就是因为该制度未能单独抽样古巴裔美国人(他们通常投票给共和党候选人)。
AI预测地震:路还很长,但来日可期
不得不承认,这些研究成果只有在经历数次考验确保其准确有效才能正式推广应用,否则反而会造成不必要的社会恐慌。就像“狼来了”的故事一样,两次预测不准,估计算法在公众心目中就不具备任何可信度了。即使如此,为了子孙后代的基业着想,我们累计的数据和经验将成为可流传后世的宝贵经验。也许在未来某一天,AI不仅能够准确...
一周论文 | 从PM到GAN - LSTM之父Schmidhuber横跨 22 年的怨念
直观上可以把这组式子解释为,一个编码维度旁边的“兄弟维度”对于预测该维度没有额外帮助,比如说知道了c1和c2并不能帮助我们将c3猜得更准。接着,使用三个预测器网络f1,f2,f3把上述逻辑具体化,其中预测器1负责预测维度1,输入维度2和3,以此类推,数学形式如下:网络形式如下:为了让...
2023年民航客运市场旅客量预测报告
4、将预测结果修正到月度值当明确了预测结果范围之后,仍然用数据模型进行模拟和还原。在疫情影响因子的参数计算时,重点参考疫情发生前的历史数据。同时考虑到防疫手段的进步,模拟出一定的成长性趋势。最终仍然采用LSTM+ARIMA的加权疫情模型,进行了以月度为单位的时间序列预测。如图2所示,预测2023年国内旅客量4.22亿人次...
可解释AI先驱、深理工潘毅教授:AI制药,要多做「用结构找小分子...
比如应用在自闭症预测时,多模态融合的分析方法诊断率极高(www.e993.com)2024年9月16日。具体来说是三管齐下:第一管,行为学分析;第二管,基因分析,抽点血找到生物标记;第三管,建立MRI影像,找到病灶。我们现在讲三管齐下,实际上不止三管,比如行为学可以一管分成三、四管,细分为表情、语调、动作姿势、脑信号。最近我们又做了一个眼...
中国电信:5GC智慧运营实践与展望
在传统模式下故障处理通常采用看告警、等投诉、人工派单、现场处理、测试验证等步骤,通常从发现故障到处理完成快则一小时,慢则数小时,通过将故障处理的前中后期进行AI建模可以实现智能运维,提升运维效率。如图3所示,在设备日常运行过程中,引入风险预测AI模型,结合ARIMA、XGBoost、决策树以及神经网络算法,并结合案例库,...
INTERFACE | 从技术到产品,搜狗为我们解读了神经机器翻译的现状
第二,翻译准确度问题,很多用户用各种翻译APP时候经常会吐嘈的点,大部分是翻译不准,关键在于它的识别不靠谱,有很多噪音,识别能力就会受到影响。这些都是目前手机APP难以解决,但又必须解决的问题。问题的一方面原因是翻译能力需要是离线的,不在云端,把这么一个复杂神经网络模型想办法放进小小的机器里,是一件非常...
阿里AI Labs王刚:语音交互将在2019年实现大规模商用
另外就是LSTM,因为CNN可能更多是关注本地的东西,自然语言里处理句子一定是具有上下文关系,每个词都不是独立的,所以我们需要有这样的一个方法叫LSTM,它能够确保上下文的信息能够结合在一起。相比CNN在浅层特征抽取的时候仅关注n-gram信息不同,LSTM可以比较好地实现句子中的长短关系的提取,以及现在在这里使用的attention...
求同存异,共创双赢:这种中文分词方法让机器更懂中文
所以我们反过来给共享LSTM模块设定一个目标,让它跟判别器对抗,想办法让判别器预测不准。假如共享LSTM模块成功让判别器分不清特征向量来自哪个语料,意味着我们已经把私有特征剥离出去了,从而保证了共享特征向量的纯净性。引入了上述对抗训练目标之后,新的对抗多任务框架在8个语料上都获得了准确率的提升。回...