Fugu-MT 論文翻訳(概要): A combination of 'pooling' with a prediction model can reduce by 73% the number of COVID-19 (Corona-virus) tests

論文の概要: A combination of 'pooling' with a prediction model can reduce by 73% the number of COVID-19 (Corona-virus) tests

arxiv url: http://arxiv.org/abs/2005.03453v3
Date: Tue, 12 May 2020 11:48:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 06:24:02.429656
Title: A combination of 'pooling' with a prediction model can reduce by 73% the number of COVID-19 (Corona-virus) tests
Title（参考訳）: プール」と予測モデルの組み合わせは、covid-19(コロナウイルス)検査の数を73%削減できる
Authors: Tomer Cohen, Lior Finkelman, Gal Grimberg, Gadi Shenhar, Ofer Strichman, Yonatan Strichman, Stav Yeger
Abstract要約: 予測モデル(ニューラルネットワークに基づく)と新しいテストプール法(元のDorfman法よりも優れ、ダブルプールよりも優れている)を組み合わせることで、Covid-19テストの数を73%削減できることを示す。
参考スコア（独自算出の注目度）: 1.547042433660102
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show that combining a prediction model (based on neural networks), with a new method of test pooling (better than the original Dorfman method, and better than double-pooling) called 'Grid', we can reduce the number of Covid-19 tests by 73%.
Abstract（参考訳）: ニューラルネットワークに基づく予測モデルと,'Grid'と呼ばれる新しいテストプール法(元のDorfman法ではなく,ダブルプール法よりも優れている)を組み合わせることで,Covid-19テストの数を73%削減できることを示す。

関連論文リスト

Adaptive Inference-Time Compute: LLMs Can Predict if They Can Do Better, Even Mid-Generation [51.127054971591924]
本稿では,生成サンプル数を適応的に削減する新たな自己評価手法を提案する。平均1.2サンプルだけで16サンプルの使用による改善の74%が達成できることを実証した。
論文参考訳（メタデータ） (2024-10-03T17:47:29Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Hybrid Deep Convolutional Neural Networks Combined with Autoencoders And Augmented Data To Predict The Look-Up Table 2006 [2.082445711353476]
本研究では、自己エンコーダとデータ拡張技術により強化されたハイブリッドディープ畳み込みニューラルネットワーク(DCNN)モデルの開発について検討する。オリジナルの入力機能を3つの異なるオートエンコーダ構成で拡張することにより、モデルの予測能力は大幅に改善された。
論文参考訳（メタデータ） (2024-08-26T20:45:07Z)
From Overfitting to Robustness: Quantity, Quality, and Variety Oriented Negative Sample Selection in Graph Contrastive Learning [38.87932592059369]
グラフコントラスト学習(GCL)は、ノードの埋め込みを学習する正負の学習と対比することを目的としている。ノード分類下流タスクにおける有意義な埋め込み学習において, 正のサンプルと比較して, 負のサンプルの変化, 量, 品質が重要な役割を担っている。本研究では, 負のサンプルの品質, バリエーション, 量について包括的に検討し, 新たな累積サンプル選択法を提案する。
論文参考訳（メタデータ） (2024-06-21T10:47:26Z)
Rock Classification Based on Residual Networks [4.256045122451066]
岩盤分類の問題に対処するために,残差ニューラルネットワークを用いた2つのアプローチを提案する。 ResNet34に基づくカーネルサイズや正規化メソッド,コンポジションを変更することで,テストデータセット上での精度を70.1%向上する。マルチヘッド・セルフ・アテンションを組み込んだBoTNetのようなバックボーンを使って、モデルの内部残余接続も利用しています。これにより、モデルのパフォーマンスが向上し、テストデータセットで73.7%の精度が達成される。
論文参考訳（メタデータ） (2024-02-19T04:45:15Z)
Using Neural Networks for Novelty-based Test Selection to Accelerate Functional Coverage Closure [0.0]
本稿では,ニューラルネットワークに基づく新しいテスト選択のための,高度に自動化されたフレームワークを提案する。このフレームワークの3つの構成は、商用信号処理ユニットでテストされる。 3つともランダムなテスト選択に勝り、シミュレーションの最大の節約率は49.37%であり、99.5%にまで達した。
論文参考訳（メタデータ） (2022-07-01T14:11:08Z)
CaCo: Both Positive and Negative Samples are Directly Learnable via Cooperative-adversarial Contrastive Learning [45.68097757313092]
クエリアンカーが与えられた負のサンプルと正のサンプルを区別することで、エンコーダを訓練する。比較損失の最小化と最大化により, 正および負のサンプルを協調的に, 対角的に学習できることが示唆された。提案手法は、ImageNet1K上で事前トレーニングされたResNet-50バックボーンの200と800のエポックに対して、トップ1の精度で71.3%と75.3%を達成する。
論文参考訳（メタデータ） (2022-03-27T18:50:39Z)
DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing [117.41016786835452]
本稿では,DeBERTaモデルの改良を目的とした,事前学習型言語モデルDeBERTaV3を提案する。 ELECTRAでのバニラ埋め込み共有は、トレーニング効率とモデルパフォーマンスを損なう。そこで本研究では、タグ・オブ・ウォーのダイナミクスを回避するために、新しい勾配距離の埋め込み方式を提案する。
論文参考訳（メタデータ） (2021-11-18T06:48:00Z)
End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文参考訳（メタデータ） (2021-01-07T01:13:00Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Regularizing Class-wise Predictions via Self-knowledge Distillation [80.76254453115766]
類似サンプル間の予測分布を解析する新しい正規化法を提案する。これにより、単一のネットワークの暗黒知識(すなわち誤った予測に関する知識)を規則化する。画像分類タスクにおける実験結果から, 単純だが強力な手法が一般化能力を大幅に向上することを示した。
論文参考訳（メタデータ） (2020-03-31T06:03:51Z)

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。