TNANet: 基于时间噪音感知的神经网络用于含噪生理数据的自杀意图预测
原文中文,约400字,阅读约需1分钟。发表于: 。我们介绍了一种名为 TNANet 的新颖神经网络模型,该模型结合了先进的编码技术和置信度学习,用于分析噪声干扰的生理时间序列数据,并在自杀意向预测任务中实现了 63.33% 的预测准确率,表现优于现有模型。同时,我们进行了全面评估,证明 TNANet 相对于基准方法具有超过 10% 的准确率提升。
研究团队提出了神经网络TTNet,用于处理高分辨率乒乓球视频,提供时间和空间数据,为自动裁判系统提供核心信息。他们还发布了多任务数据集OpenTTGames,用于评估多任务方法。实验结果显示,TTNet在游戏事件检测和球检测方面的准确性分别达到97.0%和2像素RMSE。此外,TTNet的推理时间不到6毫秒,为实时多任务深度学习应用做出贡献。该研究还提供了一种潜在替代手动数据收集的方法,为裁判员的决策提供支持,并收集游戏过程的额外信息。