湖北献血大王去世一腔热忱带动300多村民无偿献血

昨日,同济医学院的医生在取角膜前,向汪炎平的遗体默哀致敬

2016年11月5日,本报报道汪炎平事迹并呼吁帮助

推荐理由:许多针对新应用领域的机器学习项目都涉及到为特定目的标记数据的人员团队,从雇用人群工作者到论文作者自行标记数据。此类任务与结构化内容分析(或结构化内容分析的形式)非常相似,后者是社会科学和人文科学领域的一种长期方法,具有许多已建立的最佳实践。

作者的团队对每篇论文进行了多轮结构化内容分析,确定以下内容:论文是否报告了谁是标签者,他们的资格是什么,他们是否独立地标记了相同的项目,是否公开了评分者间的可靠性指标,向贴标者提供培训水平和/或说明,是否公开了对人群工作者的补偿,以及培训数据是否公开。我们是否遵循和记录了这样的做法存在很大分歧。机器学习的研究和教育很多都集中在一旦有了“黄金标准”的训练数据后该怎么做,但是我们首先围绕这些数据是否可靠的同样重要的方面讨论问题。

“1937年那年我6岁,那天,日军冲进家中就到处找姑娘,看到了我的姑妈陈宝珠。姑妈死活不从,和日本兵推推搡搡。”老人回忆,当时日本兵恼羞成怒,在枪上装上刺刀,对她连戳6刀,扬长而去。姑妈倒在地上说心里难受要喝糖水,奶奶从后面房子里端水过来,她就断气了。他的父亲在灭火过程中被日军抓走。后来街坊告诉他的祖父,父亲被日军残忍杀害了。

事后汪炎平发现,自己的身体并未发生异常,这让他坚定了志愿献血、帮助他人的信念。此后,他每半年献一次全血,中间还穿插献成分血。11年间,他无偿献血合计73600毫升,相当于15个成年人的血液总量。

推荐理由:最先进的机器学习方法在组合泛化方面表现出局限性。同时,缺乏实际的基准来全面衡量此功能,这使寻找和评估改进变得困难。我们引入了一种新方法,通过最大程度地提高组成部件的散度并同时保证训练集和测试集之间的原子发散小,来系统地构建此类基准,并且将这种方法与其他方法进行定量比较,以创建成分泛化基准。我们提出了一种根据此方法构造的大型且逼真的自然语言问答数据库,并使用它来分析三种机器学习架构的组成概括能力。我们发现,它们无法对组成进行概括,并且在组成部件的散度和准确性之间存在令人惊讶的强烈负相关。我们还将演示如何使用我们的方法在现有的SCAN数据集之上创建新的成分基准,从而证实了这些发现。

“医疗费用的压力,对自己状况的自责,以及害怕拖累家人,让他一度想要放弃。还好有很多好心人帮助扶持,他慢慢坚持了下来。”作为汪炎平的挚友,孝感市红十字无偿献血志愿服务队队长鲁锋介绍,省市红十字会、全省十几家采供血机构、孝感市文明办都曾捐款帮扶,总计金额数十万元。

 测量成分泛化:真实数据的综合方法

推荐理由:《星际争霸2》对强化学习提出了巨大挑战。它的主要困难包括巨大的状态和行动空间以及长期的视野。在本文中,我们研究了《星际争霸2》的分层强化学习方法。层次结构涉及两个抽象级别。一种是从专家的轨迹中自动提取的宏动作,它可以将动作空间减少一个数量级,但仍然有效。另一个是两层的分层体系结构,该体系结构是模块化的并且易于扩展,从而使课程表可以从较简单的任务转换为较复杂的任务。还研究了这种体系结构的强化训练算法。在64×64的地图上并使用限制性单位,相对于内置难度为1级的AI,我们的获胜率超过99%。通过课程转移学习算法和混合战斗模型,我们可以对付最困难的人族内置非作弊内置AI(7级),并在两天内进行一次训练,就能获得超过93%的Protoss胜率。机器只有48个CPU内核和8个K40 GPU。当针对从未见过的对手进行测试时,它也显示出强大的概括性能,包括作弊级别的内置AI以及所有级别的Zerg和Protoss内置AI。我们希望这项研究可以为将来的大规模强化学习研究提供一些启示。

“人走得很快,也很安详,算是一点安慰。”汪金雷说,3年来父亲过得很辛苦,作为一个性格要强的人,生活完全不能自理,这几乎拿走了他的全部尊严。父亲曾多次希望自己立马变好,在一次次不切实际的尝试落空的同时,也承受了一次次的失望乃至绝望。而母亲中风后,父亲曾表达出自责的想法,与家人商量后,最终决定不再住在医院,前段时间转去福利院养病。

同时,汪炎平还花钱在摩托车上焊制一块铁牌,上面写着“我献血,我快乐,我健康”,还在铁牌上留下了自己的姓名和电话。他将从血站拿来的宣传单,放在摩托车的后备箱里,见人就发。

几次宣传后,汪炎平开始明白,与他一开始献血时一样,同村的乡亲对献血并不了解,很多人担心伤害身体。为了打消他们的顾虑,一有机会,汪炎平就宣传无偿献血的好处。孝感市中心血站每次到分水镇以及周边举办无偿献血宣传活动,汪炎平都会穿着志愿者服装,向村民们发放宣传资料、现身说法。

 句子边界内和跨句子边界的神经关系提取

汪炎平第一次献血源于一次偶然。2005年7月,他到汉川城关走亲戚,看到一家酒店门口有辆流动献血车,他好奇地想知道自己的血型,便走了进去。经检测,他的各项指标均合格。工作人员告诉他,献血有利于身体新陈代谢,还可救死扶伤。一向热心的汪炎平鼓起勇气,人生中第一次献血。

楚天都市报记者李曼英通讯员万翠华摄影:楚天都市报记者王永胜

 预培训的百科全书:弱监督的知识预培训的语言模型

他说,现在他的这个大家庭有了孙子辈,也有八口人,真的是来得太不容易。“希望国家越来越强大,守护好这份和平。”(完)

在本文中,作者调查了社交计算中机器学习应用程序论文的样本程度-特别是ArXiv和传统出版物对Twitter数据执行ML分类任务的论文-提供了有关是否遵循了此类最佳实践的具体细节。

 用于神经文本生成的差异化分布恢复

年近九旬的南京大屠杀幸存者陈德寿。泱波 摄

年近九旬的南京大屠杀幸存者陈德寿接受采访。泱波 摄

接到父亲过世的电话,汪金雷为自己最终同意父亲去福利院而感到愧疚。尽管3年来,为了在医院照顾父亲,他和姐姐都不敢出远门;尽管母亲生病后的近半年,他在工作之余一边照顾父亲吃喝拉撒,同时帮助母亲做康复锻炼;尽管在亲友看来,为了支撑这个家,他也过得很不容易。

推荐理由:在具有连续状态和动作空间的环境中,最先进的行为者-批判强化学习算法可以解决非常复杂的问题,但是在看似微不足道的环境中也可能会失败,但是这种失败的原因仍然知之甚少 。在本文中,我们对稀疏的奖励和确定性环境的特殊情况下的这些失败做出了正式的解释。首先,使用一个非常基本的控制问题,我们说明了学习过程可能陷入与不良解决方案相对应的固定点。然后,从所研究的示例中进行概括,我们提供了对潜在机制的详细分析,从而使人们对这些算法的一种收敛方式有了新的认识。由此产生的观点为我们已经强调的问题的现有解决方案提供了新的思路,并提出了其他可能的方法。

昨日汪金雷还得知,2015年4月,父亲就带着母亲一起去汉川市红十字会做了遗体捐献登记,志愿捐献遗体和眼角膜。

汪炎平的妻子脑梗偏瘫后,这个关爱群人数增到137人,包括无偿献血志愿者、血站工作人员、汉川市人民医院部分医务人员等,大家每月都捐款。“大家你20元,我50元,尽自己的绵薄之力去帮助他。”鲁锋介绍,一年多里,他们每月送去捐款千余元给汪炎平补贴医疗费,并选派志愿者代表前往汉川看望和鼓励他。

 垃圾进垃圾出?社交计算中的机器学习应用论文是否报告了人为训练数据的来源?

今年是南京大屠杀惨案发生82周年。今年的12月13日是中国第六个南京大屠杀死难者国家公祭日。公祭日前夕,中新网记者对多位南京大屠杀幸存者进行了采访。

2010年10月1日,是汪炎平的女儿汪玉芬18岁的生日。这一天,她跟着父亲去孝感市中心血站献血,记录这个瞬间的照片里,父女俩都笑得很开心。

和很多人一样,发生在1937年12月的南京大屠杀成了他们家的噩梦,家庭遭受到毁灭性打击。

 深度学习和传统的计算机视觉比较

汪炎平1971年出生在汉川市分水镇鸡公洲村,是一名普通农民,与妻子育有一儿一女,靠务农、卖早点为生。个头大、皮肤黝黑,个性豪爽,乐观幽默,脸上总带着笑容,是亲朋好友们对汪炎平的普遍印象。因热心公益,执着献血,汪炎平成为村里、省里乃至全国有名的“献血大王”。

推荐理由:关系抽取的过去工作主要集中在单个句子中实体对之间的二进制关系。最近,NLP社区对跨多个句子的实体对中的关系提取感兴趣。在本文中,我们针对此任务提出了一种新颖的体系结构:基于句间依赖的神经网络(iDepNN)。iDepNN通过递归和递归神经网络对最短和增强的依存路径进行建模,以提取句子内部(内部)和跨(内部)边界的关系。与SVM和神经网络基线相比,iDepNN对于跨越句子的关系中的误报更为可靠。我们在新闻链(MUC6)和医学(BioNLP共享任务)域的四个数据集上评估我们的模型,这些数据集实现了最先进的性能,并在精度和句子间关系的召回率之间表现出更好的平衡。我们的表现要好于参加BioNLP共享任务2016的11个团队,与获胜团队相比,F1的增长率为5.2%(0.587对0.558)。作者还发布了MUC6的交叉句注释。

“老家讲究入土为安,我多少有些不忍心,但还是决定尊重父亲。”汪金雷说,偶尔他也会抱怨,父亲太过热心献血、热心公益,忽略了家人。但骨子里他和父亲一样,都是爱帮助他人的人,每当看到有献血的地方,他也会毫不犹豫上前。遗体捐献是父亲多年的夙愿,他决定帮助父亲完成。

汪炎平的付出没有白费,在他的宣传和感召下,鸡公洲村共有200多名村民多次参加无偿献血,是当地名副其实的“无偿献血第一村”。周边村的100多位村民,也先后加入到无偿献血的队伍中。汪炎平的妻子和儿女都为他感到骄傲,也纷纷加入到无偿献血队伍里来。

这是一篇综述文章,本论文介绍了传统的计算机视觉技术和现在的深度学习视觉技术之间的关系,以及二者之间应该是相互补充的关系,相互利用彼此的优势。深度学习推动了数字图像处理领域的极限。但是,这并不是说在DL兴起之前的几年中一直在逐步发展的传统计算机视觉技术已经过时了。本文将分析每种方法的优缺点。本文的目的是促进有关是否应保留经典计算机视觉技术知识的讨论。本文还将探讨如何将计算机视觉的两个方面结合起来。评论了几种最近的混合方法论,这些方法论证明了改善计算机视觉性能和解决不适合深度学习的问题的能力。例如,将传统的计算机视觉技术与深度学习相结合在新兴领域(例如全景视觉和3D视觉)中很流行,而对于这些领域,深度学习模型尚未完全优化。

 DDPG的问题:通过稀疏的奖励了解确定性环境中的失败

昨日早上7时,48岁的汪炎平在汉川一家福利院离世。尽管有些不舍,儿子汪金雷和家人仍决定,帮助汪炎平完成他捐献遗体和眼角膜的最后心愿。献了十多年血后,汪炎平完成了人生最后一次捐献。

一次意外摔成高位截瘫无法自理

雷锋网雷锋网(公众号:雷锋网)雷锋网

抚今追昔,已经有了孙子辈的陈德寿老人深感如今的生活平安幸福。

一生夙愿离世后捐出遗体和角膜

2015年,陈德寿在日本东京应邀参加当地市民团体举办的“南京大屠杀78周年证言集会”,以亲身经历强调历史不容掩盖和歪曲。据报道,当时他对台下听众说,自己曾参观过日本的原子弹爆炸纪念馆,日本人民也是战争的受害者。追求和平,反对战争,是中日两国人民的共同利益所在。

但不幸还是发生了。昨日早上7时,汪炎平的儿子汪金雷接到福利院工作人员的电话,得知父亲突然过世的消息。

浩劫过后,他的表弟、表妹被送到孤儿院,祖母、妹妹感染瘟疫相继离世,爷爷依靠裁缝手艺养活家人。实在难熬的日子,他便和母亲上街讨饭。后来,为筹钱安葬亲人,母亲无奈改嫁,他和爷爷相依为命艰难度日,好好的一个大家庭只剩下一老一小两口人。

 文本内容的整体推荐模型

一个信念11年无偿献血73600毫升

在大家的帮扶与鼓舞下,汪炎平和家人也感受到了温暖与力量。“谢谢你们,这么长时间一直在惦记帮助着我,谢谢……”汪炎平曾对志愿者说,自己会积极应对病情,希望有朝一日还可以再次回报社会。

推荐理由:为在线文本内容推荐合适的标签是更好地组织和使用内容的关键组成部分。在本文中,我们确定了影响标签推荐准确性的三个支柱:(1)顺序文本建模,这意味着固有的顺序排序以及文本的不同区域可能对相应的标签具有重要的意义,(2 )标签相关性,意味着某个文本内容的标签通常在语义上相互关联;(3)内容-标签重叠,表示内容和标签的词汇重叠。但是,现有方法都没有考虑所有这三个方面,导致标签推荐不理想。在本文中,我们提出了一个完整的模型来在相干的编码器-解码器框架中对所有三个方面进行编码。具体来说,(1)编码器使用注意力机制通过递归神经网络对文本内容的语义进行建模;(2)解码器通过预测路径处理标签相关性;(3)共享的嵌入层和指示符功能跨编码器-解码器地址的内容标签重叠。在三个现实世界数据集上的实验结果表明,该方法在推荐准确性方面明显优于现有方法。

2018年1月,孝感市红十字无偿献血志愿者服务队甚至专门成立“关爱汪炎平行动组”,五十余名志愿者先后加入微信群,每月坚持捐助;一些爱心基金项目,每月也会进行资助。

昨日下午3时,华中科技大学同济医学院基础医学院解剖学系,暖冬的阳光绕过高楼树叶,在地面留下斑驳光影。“献血大王”汪炎平的亲朋好友们聚在一起,与他作最后的告别……

推荐理由:基于递归神经网络(RNNLM)的神经语言模型显着提高了文本生成的性能,但是以图灵测试通过率表示的生成文本的质量仍然远远不能令人满意。一些研究人员建议使用对抗训练或强化学习来提高质量,但是,这种方法通常会在训练和参数调整过程中带来巨大挑战。通过组织的分析,其发现RNNLM的问题来自最大似然估计(MLE)作为目标函数的使用,这需要生成的分布来精确地恢复真实分布。这种要求有利于高世代多样性,这限制了世代质量。当整体质量较低时,这是不合适的,因为高世代多样性通常表示很多错误,而不是多样化的好样本。在本文中,作者建议实现差异化的分布恢复,简称DDR。关键思想是使最佳生成概率与真实概率的β次方成正比,

令人唏嘘的是,命运似乎并未特别眷顾这个充满爱心善心的家庭。2016年10月底,汪炎平意外摔伤颈椎造成高位截瘫,生活完全无法自理(本报当时报道了此事,并为他募捐)。今年6月22日,一直照顾他的妻子龚小红又突发脑梗中风,和他一起住进了汉川市人民医院。

这篇论文研究的课题让我们增进了对大熊猫的认识。一方面,大熊猫一般都是比较安静的动物,不怎么发出声音,但在繁殖季时发声会明显多一些,这说明声音对求偶和交配有一定作用,此前的生物学研究也证明了存在相关性。另一方面,交配之后熊猫是否成功受孕很难确定,不仅因为熊猫胎儿非常小,只能通过其他因素观察,还因为人工养殖条件下的熊猫就出现过“为了享受更好待遇而假装怀孕”的事情。所以这篇论文的目标是通过记录下的熊猫声音预测是否成功受孕,整个工作流程包括分割、音量和长度标准化、特征提取、用含有卷积+GRU+注意力的深度神经网络预测是否成功受孕。作者们在过去 9 年中采集的声音数据集上做了实验,得到了有潜力的结果。准确的预测能给大熊猫的繁育带来帮助。

多年来,老人一直都坚持参加各种和平集会、和平证言活动。他将这段打上了残酷战争烙印、被改变的人生经历,讲述给年轻人听,希望他们能够铭记这段历史。

一腔热忱带动300多村民无偿献血

推荐理由:核心问题:在深度学习快速发展的背景下,在计算机视觉领域传统的计算机视觉技术是否还有意义?

 关于星际争霸游戏的强化学习

慢慢地,汪炎平献血的事迹广为流传,他因此荣获2006-2007年度全国无偿献血奉献奖金奖,央视2014年度三农人物,“献血大王”享誉全国。

“我觉得,我一个人献N次血,不如N个人献一次血。”汪炎平曾在一次公开发言中说。出名后,他深感个人力量有限,开始尝试用现身说法的方式,带动身边的人去参与到无偿献血中。

昨日下午3时,华中科技大学同济医学院基础医学院解剖学系一楼,亲友们一一完成遗体告别后,汪炎平完成遗体和眼角膜捐献。“至少两名患者将因此重见光明。”武汉市红十字会爱尔眼库工作人员明维表示。

推荐理由:预训练语言模型的最新突破表明,自监督学习对于多种自然语言处理(NLP)任务的有效性。除了标准的语法和语义NLP任务外,预训练的模型还对涉及真实世界知识的任务进行了重大改进,这表明大规模语言建模可能是捕获知识的隐含方法。在这项工作中,我们将进一步研究使用事实完成任务对诸如BERT等预训练模型捕获知识的程度。此外,我们提出了一个简单而有效的弱监督预训练目标,该目标明确迫使模型纳入有关现实世界实体的知识。使用我们的新目标训练的模型在事实完成任务上产生了重大改进。在应用于下游任务时,我们的模型在四个与实体相关的问题回答数据集(即WebQuestions,TriviaQA,SearchQA和Quasar-T)上的性能始终优于BERT,平均改善了2.7 F1,并提供了标准的细粒度实体类型数据集(例如, FIGER),精度提高5.7。

想到过去,陈德寿老人表情悲恸。

推荐理由:用到GRU和注意力的论文有很多,但用卷积+双向GRU+注意力研究大熊猫声音的,而且就来自四川濒危野生动物保护国家重点实验室 – 成都大熊猫繁育研究基地的,这篇论文可是独一篇。