Fugu-MT 論文翻訳(概要): APTER: Aggregated Prognosis Through Exponential Reweighting

論文の概要: APTER: Aggregated Prognosis Through Exponential Reweighting

arxiv url: http://arxiv.org/abs/2002.08731v1
Date: Thu, 20 Feb 2020 13:53:05 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 08:20:47.773340
Title: APTER: Aggregated Prognosis Through Exponential Reweighting
Title（参考訳）: APTER:指数重み付けによる集団予後
Authors: Kristiaan Pelckmans and Liu Yang
Abstract要約: 本稿では,マイクロアレイの表現レベルに基づいて患者の予後を学習する作業について考察する。この手法は、理論機械学習に関する文献で最近提案されたアグリゲーション手法の応用である。
参考スコア（独自算出の注目度）: 8.659667696467395
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper considers the task of learning how to make a prognosis of a patient based on his/her micro-array expression levels. The method is an application of the aggregation method as recently proposed in the literature on theoretical machine learning, and excels in its computational convenience and capability to deal with high-dimensional data. A formal analysis of the method is given, yielding rates of convergence similar to what traditional techniques obtain, while it is shown to cope well with an exponentially large set of features. Those results are supported by numerical simulations on a range of publicly available survival-micro-array datasets. It is empirically found that the proposed technique combined with a recently proposed preprocessing technique gives excellent performances.
Abstract（参考訳）: 本稿では,マイクロアレイの表現レベルに基づいて患者の予後を学習する作業について考察する。本手法は, 理論機械学習の文献に最近提案されている凝集法の適用例であり, 計算の利便性と高次元データを扱う能力に優れている。手法の形式的解析が与えられ、従来の手法と同様の収束率が得られる一方で、指数関数的に大きな特徴の集合にうまく対応していることが示される。これらの結果は、公開可能なサバイバル・マイクロアレイデータセットの数値シミュレーションによって支援されている。提案手法と最近提案した前処理技術を組み合わせることで,優れた性能が得られた。

関連論文リスト

High-dimensional prediction for count response via sparse exponential weights [0.0]
本稿では,高次元カウントデータ予測のための新しい確率的機械学習フレームワークを提案する。重要な貢献は、データ予測をカウントするために調整された新しいリスク尺度であり、PAC-ベイズ境界を用いた予測リスクの理論的な保証である。以上の結果から,非漸近性オラクルの不等式や,空間性に関する事前知識を伴わない速度-最適予測誤差が示唆された。
論文参考訳（メタデータ） (2024-10-20T12:45:42Z)
Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
論文参考訳（メタデータ） (2022-10-24T15:14:26Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文参考訳（メタデータ） (2022-06-15T19:10:35Z)
Causal Inference from Small High-dimensional Datasets [7.1894784995284144]
Causal-Batleは、小さな高次元データセットにおける治療効果を推定する手法である。我々は、因果推論に伝達学習技術をもたらすアプローチを採用する。
論文参考訳（メタデータ） (2022-05-19T02:04:01Z)
Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
論文参考訳（メタデータ） (2021-10-22T15:03:20Z)
Efficient Multidimensional Functional Data Analysis Using Marginal Product Basis Systems [2.4554686192257424]
多次元関数データのサンプルから連続表現を学習するためのフレームワークを提案する。本研究では, テンソル分解により, 得られた推定問題を効率的に解けることを示す。我々は、ニューロイメージングにおける真のデータ応用で締めくくっている。
論文参考訳（メタデータ） (2021-07-30T16:02:15Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Physically interpretable machine learning algorithm on multidimensional non-linear fields [0.0]
PCE(Polynomial Chaos Expansion)は、確率的入出力マッピングの堅牢な表現として長年使われてきた。パターン認識やデータ圧縮にDR技術がますます使われている。本研究の目的は,PODとPCEを組み合わせてフィールド計測に基づく予測を行うことである。
論文参考訳（メタデータ） (2020-05-28T11:26:06Z)
Statistical Outlier Identification in Multi-robot Visual SLAM using Expectation Maximization [18.259478519717426]
本稿では、同時局所化およびマッピング(SLAM)におけるマップ間ループ閉包外乱検出のための、新しい分散手法を提案する。提案アルゴリズムは優れた初期化に頼らず、一度に2つ以上のマップを処理できる。
論文参考訳（メタデータ） (2020-02-07T06:34:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。