Fugu-MT 論文翻訳(概要): Machine Learning in Population and Public Health

論文の概要: Machine Learning in Population and Public Health

arxiv url: http://arxiv.org/abs/2008.07278v1
Date: Tue, 21 Jul 2020 14:10:00 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 05:40:09.963118
Title: Machine Learning in Population and Public Health
Title（参考訳）: 人口と公衆衛生における機械学習
Authors: Vishwali Mhasawade, Yuan Zhao, Rumi Chunara
Abstract要約: 人口と公衆衛生に関する研究は、異なる文化的、社会的、環境要因の間のメカニズムと、それらの健康への影響に焦点を当てている。ここでは、これらの分野の研究の簡単な紹介と、機械学習コミュニティの活性化を支援する既存の機械学習活動とのつながりについて紹介する。
参考スコア（独自算出の注目度）: 5.8208418286633234
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Research in population and public health focuses on the mechanisms between different cultural, social, and environmental factors and their effect on the health, of not just individuals, but communities as a whole. We present here a very brief introduction into research in these fields, as well as connections to existing machine learning work to help activate the machine learning community on such topics and highlight specific opportunities where machine learning, public and population health may synergize to better achieve health equity.
Abstract（参考訳）: 人口と公衆衛生の研究は、異なる文化的、社会的、環境要因の間のメカニズムと、個人だけでなく、コミュニティ全体の健康への影響に焦点を当てている。そこで本稿では,これらの分野における研究の簡単な紹介と,既存の機械学習研究との関連について紹介し,機械学習コミュニティがこのようなトピックを活性化し,機械学習,公衆衛生,人口健康がより健康的平等を達成するために相乗する特定の機会を強調する。

関連論文リスト

PhilHumans: Benchmarking Machine Learning for Personal Health [22.151640184702377]
医療における機械学習の使用は、患者の成果を改善し、医療のリーチと手頃な価格を拡大する可能性がある。 HUman-Machine Natural Interaction (PhilHumans)を活用するPersonal Health Interfaceを紹介します。
論文参考訳（メタデータ） (2024-05-04T22:50:39Z)
Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文参考訳（メタデータ） (2023-06-06T10:18:36Z)
Recent Advances of Local Mechanisms in Computer Vision: A Survey and Outlook of Recent Work [48.69845068325126]
ローカルメカニズムはコンピュータビジョンの開発を促進するように設計されている。識別的局所表現を学習するために対象部品に焦点を合わせるだけでなく、効率を向上させるために選択的に情報を処理することができる。本稿では,様々なコンピュータビジョンタスクやアプローチの局所的なメカニズムを体系的に検討する。
論文参考訳（メタデータ） (2023-06-02T22:05:52Z)
Social and environmental impact of recent developments in machine learning on biology and chemistry research [0.0]
機械学習の最近の進歩は、基礎研究や応用研究に影響を及ぼす可能性がある。これらの開発は、薬物の発見や開発など、基礎的および応用的な研究に影響を与える可能性がある。
論文参考訳（メタデータ） (2022-10-01T20:29:01Z)
Data science in public health: building next generation capacity [6.903744341809235]
公衆衛生のコースとプログラムのレビューは、米国と世界の公衆衛生の学校のトップ10にランクインしている。データサイエンス倫理コースのオファリングは、人口の健康原則をトレーニングにどのように組み込むかを評価する文脈で検討される。 4点式は公衆衛生データ科学教育のさらなる推進のために蒸留される。
論文参考訳（メタデータ） (2022-08-06T08:09:42Z)
Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文参考訳（メタデータ） (2021-10-14T15:14:33Z)
Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文参考訳（メタデータ） (2021-10-05T12:51:11Z)
Machine learning in the social and health sciences [0.8681909776958184]
本稿では、社会・健康科学における研究課題のメタマッピングを機械学習の適切なアプローチに適用する。確立された分類を、一般的な研究目標に記述、予測、因果推論にマッピングする。
論文参考訳（メタデータ） (2021-06-20T15:48:45Z)
Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文参考訳（メタデータ） (2021-05-03T21:20:20Z)
Artificial Intelligence for Global Health: Learning From a Decade of Digital Transformation in Health Care [0.0]
低中間所得国(LMIC)は、過去10年にわたり、医療における自己のデジタル変革をすでに実施している。新たな技術の導入によって、トップダウンのアプローチを新たに導入し、これらのテクノロジを独立して実装することが一般的になり、使用の欠如とリソースの浪費につながります。本稿は、現在の研究のギャップの観点から、また、リソース制限環境下での医療従事者の生きた経験から、必要な考察を概説する。
論文参考訳（メタデータ） (2020-05-20T23:50:17Z)
Learning to Complement Humans [67.38348247794949]
オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
論文参考訳（メタデータ） (2020-05-01T20:00:23Z)

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。