网赌官方入口教师获得赠款从c3.ai数字化改造研究所covid-19的研究

2020年6月23日下午3时40分

在c3.ai数字化改造所已获得百万$ 5.4至26个项目,加快人工智能的研究,以减轻covid-19和未来的大流行。普林斯顿教员马修德斯蒙德,西蒙莱,斯特凡parascho,小时。文森特差,科里纳tarnita和梦迪旺是获得资金为他们的项目研究人员。

网赌官方入口是c3.ai数字化改造学院,一个$367米研究协会,致力于促进人工智能为企业,政府和社会,通过c3.ai董事长兼首席执行官汤姆·西贝尔创办的好处中的一员。 c3.ai DTI,共同由伊利诺伊香槟分校(UIUC)和加州大学伯克利分校的大学管理,并且 在与微软公司的合作伙伴关系, 三月邀请研究人员采取缓和covid-19和推进人工智能为基础的科学和技术,为减轻未来的流感大流行的挑战。 

同行评审程序之后,c3.ai DTI选择26条研究建议该地址covid-19跨医药,城市规划,公共政策和计算机科学的学科,其中有几个重点的covid的种族,经济和健康的影响研究医疗方面的差距。共有现金5.4亿$将获得选择 研究项目。此外,研究团队将获得 所述C3 AI Suite软件和微软Azure计算和存储, 以及数据的资源,例如 c3.ai™covid-19数据湖 在支持他们的研究。

建模和评估和优化干预政策covid-19传播的控制

H。文森特差

H。文森特差

H。文森特差西蒙·莱文 是项目团队的成员 “建模和评估和优化干预策略covid-19传播的控制”,这是选择为接收在弹簧资金的初始三个项目中的一个。  

可怜的,谁是项目团队的主要研究者,是迈克尔·亨利STRATER的大学教授 电气工程 和临时院长 工程和应用科学学院。莱文是詹姆斯秒。麦克唐纳杰出的大学教授 生态学和进化生物学.

西蒙·莱文

西蒙·莱文

项目描述:关于covid-19是建立数学模型,帮助我们了解和预测其传播行为,以及提供关于什么可以做,以限制它的传播方针的重要科学目标。正因为如此,这个项目奉行:1)通过引入病毒突变一种新的数学模型分析和covid-19的传播的预测;和2)最佳和covid-19的通过仔细定时干预传播的鲁棒控制。预期成果可能给当局另一种工具来更好地评估限制covid-19的传播现有的或潜在的应对措施的有效性。他们也可以帮助领导者评估现有消除对策的结果。终于,他们可以帮助更好地针对不同的突变方案,包括最坏的情况下(当前或未来的流感大流行)做准备。

用穷人和莱以来,研究团队包括 奥斯曼鸭肝卡内基梅隆大学电气和计算机工程,副研究员;约书亚普洛特金,瓦尔特小时。和雷奥诺拉℃。在宾夕法尼亚大学的自然科学教授安嫩伯格。

将社会疏远光:采用人工智能和互动地面投影人群管理

斯特凡parascho

斯特凡parascho

斯特凡parascho,助理教授 建筑,是主要研究者,与团队成员 科里纳tarnita,生态和进化生物学副教授,该项目“将社会疏远光:采用人工智能和互动地面投影人群管理。”

科里纳tarnita

科里纳tarnita

项目介绍:与covid-19的传播,社交距离已经成为我们日常生活中不可或缺的一部分。在世界范围内,工作的重点是确定如何重开公共场所,重启商业和重新引入物理团结。我们相信建筑通过提供用于控制人之间的距离的手段起着回归健康的公共生活中起关键作用。利用计算处理能力和数据的可访问性,我们提出了一个多管齐下,将通过公共空间,促进健康,高效的运动。我们的研究目标是开发:1)计算工具,利用机器学习来预测人的运动,并为适应通过本地物理干预现有空间的建议;以及2)物理干预系统基于提供关于安全轨迹和行人运动行为的直接实时信息光投影。计算工具将使用从目标为例空间现有的视觉数据,识别运动模式和翻译成的那些行为的规则。这个数据将与来自自然系统群行为的知识相结合,以提供一个初始运动预测。同时,相机投影系统的安装将使我们能够评估所提出的措施,监控流程的效率,并告知预测模型。最终,我们希望找出有效的轨迹规划和公共空间重新规划战略,同时不断从他们的直接执行学习。因此,我们希望找出有关改善公共健康新颖的空间类型学,导致规划的细则,这将重塑建恩vironment。

壳体precarity,驱逐和不等式中covid-19的尾流

马修·德斯蒙德

马修·德斯蒙德

马修·德斯蒙德中,莫里斯页。教授期间 社会学,是项目团队的一部分 “住房precarity,驱逐和不平等covid-19之后,” 这是选择来接收在弹簧资金的初始三个项目中的一个。

项目描述:确保住房保障是缓解covid-19病毒和维持健康,经济安全和家庭稳定的传播至关重要。这一联合,跨学科项目将汇集网赌平台入口和科学家的数据跟踪,分析和应对在驱逐和位移的风险大流行驱动的尖峰。这样做需要的发展:1)爆发后跟踪实时驱逐申报的创新系统; 2)使用机器学习的外壳precarity风险模型,以更好地分析和在covid-19大流行发生后的位移不相称的风险预测方面。该项目将提供数据的主要新来源,并告知有关美国研究和公共政策住房和不平等。

与德斯蒙德以来,研究团队包括 卡伦·查普尔教授,城市与区域规划在加州大学伯克利分校的部门和主要研究者的椅子上, 约书亚blumenstock在信息的加州大学伯克利分校助理教授。

强化学习,以保障学校和大学对covid-19的爆发

梦迪旺

梦迪旺

梦迪旺,电气工程和副教授 中心统计和机器学习,是项目团队的一部分。“强化学习,以保障学校和大学对covid-19的爆发。”

项目描述:该covid-19爆发高等教育的几乎所有方面打乱了正常的活动。重新打开我们的大学,我们需要新的技术和创新的做法,以保障学生对病毒爆发的潜力第二波。在该提议中,我们寻求发展的建模和减轻基于通过移动应用收集学生的位置和症状数据covid-19情况的分析方法。我们采用最佳的控制途径寻求罢工含有病毒,并保持富有成效的校园活动之间的平衡干预政策。这个问题是非常具有挑战性的,由于隐藏状态,未知的动态,高维的患病率。通过系统识别,强化学习和自适应控制利用的最新进展,我们将开发的预测方法来推断个别学生的健康隐患州和开发算法来推荐最佳的干预决策者(例如,检测,检疫)。我们将开发简化的模型来评估这些政策对感染的增长速度捕获了系统的稳定性的影响。该方法将使用模拟和可用的数据进行验证。我们希望通过使用c3.ai套件和微软Azure云计算能力运用和进一步发展的方法来分析2020年秋季学期从麻省理工校园实际数据,我们预计分析大量位置数据,因为它们是收集和适应的干预政策。我们将尽我们的研究成果,包括软件,非机密数据集和分析共享的c3.ai平台上。

与王一起,研究团队包括来自两个教员 麻省理工学院: 蒙齐尔dahleh,威廉一个。柯立芝教授,电气工程和计算机科学和ANETTE细井,工程的副院长和 机械工程Neil和简·帕帕拉多教授.

研究和covid-19