Fugu-MT 論文翻訳(概要): Application-oriented mathematical algorithms for group testing

論文の概要: Application-oriented mathematical algorithms for group testing

arxiv url: http://arxiv.org/abs/2005.02388v1
Date: Tue, 5 May 2020 14:40:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 14:43:30.066927
Title: Application-oriented mathematical algorithms for group testing
Title（参考訳）: グループテストのための応用指向数理アルゴリズム
Authors: Endre Cs\'oka
Abstract要約: 集団検査は感染率が低い場合に特に効果的である。本稿の目的は、最も効率的なグループテストアルゴリズムに関する数学的知識を要約し、拡張することである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We have a large number of samples and we want to find the infected ones using as few number of tests as possible. We can use group testing which tells about a small group of people whether at least one of them is infected. Group testing is particularly efficient if the infection rate is low. The goal of this article is to summarize and extend the mathematical knowledge about the most efficient group testing algorithms, focusing on real-life applications instead of pure mathematical motivations and approaches.
Abstract（参考訳）: 多数のサンプルがあり、できるだけ少数のテストを使用して、感染したサンプルを見つけたいと思っています。グループテストを使えば、少なくとも1人が感染しているかどうかを、少数のグループに伝えることができます。集団検査は感染率が低い場合は特に効率的である。本稿の目的は、最も効率的なグループテストアルゴリズムに関する数学的知識を要約し、拡張することであり、純粋に数学的モチベーションやアプローチではなく、現実のアプリケーションに焦点を当てることである。

関連論文リスト

Touchstone Benchmark: Are We on the Right Way for Evaluating AI Algorithms for Medical Segmentation? [90.30635552818875]
9種類の腹部臓器の大規模共同セグメント化ベンチマークであるTouchstoneを報告する。このベンチマークは、世界中の76の病院から5,195回のCTスキャンと、11の病院から5,903回のCTスキャンに基づいています。私たちは19のAIアルゴリズムの発明者14人を招待してアルゴリズムをトレーニングしましたが、私たちのチームは第三者として、3つのテストセットでこれらのアルゴリズムを独立して評価しました。
論文参考訳（メタデータ） (2024-11-06T05:09:34Z)
Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
本研究の目的は、希少な疾患を患っているk人の集団を同定することである。個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
論文参考訳（メタデータ） (2022-06-15T16:38:50Z)
Group Testing with Non-identical Infection Probabilities [59.96266198512243]
そこで我々は,集合形成法を用いた適応型グループテストアルゴリズムを開発した。提案アルゴリズムは, エントロピー下界に近い性能を示す。
論文参考訳（メタデータ） (2021-08-27T17:53:25Z)
Group Testing under Superspreading Dynamics [25.849716513803013]
グループテストは、確認された新型コロナウイルス患者のすべての密接な接触に対して推奨される。そこで本研究では,Dorfman法と不完全性試験を併用した,よく知られた半適応型プールテスト法を構築し,動的プログラミングに基づく簡単なグループテスト法を導出する。
論文参考訳（メタデータ） (2021-06-30T11:27:58Z)
Efficient and accurate group testing via Belief Propagation: an empirical study [5.706360286474043]
グループテスト問題は効率的なプーリングスキームとアルゴリズムを要求する。目標は感染したサンプルを正確に識別し、最小限の数の検査を行うことである。結果の精度を大幅に向上させる新しいテスト設計を提案する。
論文参考訳（メタデータ） (2021-05-13T10:52:46Z)
Group Testing with a Graph Infection Spread Model [61.48558770435175]
感染は個人間のつながりを通じて広がり、その結果、確率的クラスター形成構造と、個人に対する非i.d.感染状態が生じる。そこで本研究では,既知の確率的感染拡散モデルを利用する2段階のサンプルグループテストアルゴリズムを提案する。その結果, 感染率が高い場合でも, 集団検査により必要な検査数を大幅に削減できることが示唆された。
論文参考訳（メタデータ） (2021-01-14T18:51:32Z)
Neural Group Testing to Accelerate Deep Learning [20.09404891618634]
既存の研究は主に、ニューラルネットワークの各前方通過を加速することに焦点を当てている。我々は,1つの前列パスでサンプルのグループをテストすることで,加速するニューラルグループテストを提案する。ニューラルグループテストでは、1回のパスで最大16のイメージをグループ化でき、全体のコストを73%以上削減できることがわかった。
論文参考訳（メタデータ） (2020-11-21T02:23:54Z)
Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文参考訳（メタデータ） (2020-07-21T19:31:41Z)
Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。