論文の概要: Machine Reasoning to Assess Pandemics Risks: Case of USS Theodore
Roosevelt
- arxiv url: http://arxiv.org/abs/2008.11040v1
- Date: Mon, 24 Aug 2020 16:11:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 02:02:18.258591
- Title: Machine Reasoning to Assess Pandemics Risks: Case of USS Theodore
Roosevelt
- Title(参考訳): パンデミックリスクを評価するマシン推論:ussセオドア・ルーズベルトの事例
- Authors: Kenneth Lai and Svetlana N. Yanushkevich
- Abstract要約: 本稿では,ウイルスデータに対するベイジアン推定に因果ネットワークを用いる。
2020年初頭にセオドア・ルーズベルト (USS Theodore Roosevelt) で発生した新型コロナウイルスの流行を例に挙げる。
- 参考スコア(独自算出の注目度): 3.0255457622022486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assessment of risks of pandemics to communities and workplaces requires an
intelligent decision support system (DSS). The core of such DSS must be based
on machine reasoning techniques such as inference and shall be capable of
estimating risks and biases in decision making. In this paper, we use a causal
network to make Bayesian inference on COVID-19 data, in particular, assess
risks such as infection rate and other precaution indicators. Unlike other
statistical models, a Bayesian causal network combines various sources of data
through joint distribution, and better reflects the uncertainty of the
available data. We provide an example using the case of the COVID-19 outbreak
that happened on board of USS Theodore Roosevelt in early 2020.
- Abstract(参考訳): 地域社会や職場へのパンデミックのリスクの評価には、知的意思決定支援システム(DSS)が必要である。
このようなDSSの中核は推論のような機械推論技術に基づいていなければならず、意思決定におけるリスクやバイアスを見積もることができる。
本稿では,ウイルスデータ,特に感染率やその他の予防指標などのリスクを評価するために,因果関係を用いてベイジアンを推定する。
他の統計モデルとは異なり、ベイズ因果ネットワークは結合分布を通じて様々なデータソースを結合し、利用可能なデータの不確実性を反映する。
2020年初頭にセオドア・ルーズベルト (USS Theodore Roosevelt) で発生した新型コロナウイルスの流行を例に挙げる。
関連論文リスト
- MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳(メタデータ) (2023-10-04T01:36:30Z) - On (assessing) the fairness of risk score models [2.0646127669654826]
リスクモデルは、ユーザに対して潜在的な結果について不確実性を伝えるという事実など、さまざまな理由から関心を集めている。
リスクスコアフェアネスの鍵となるデシダータムとして,異なるグループに類似した価値を提供する。
本稿では,従来提案されていた基準値よりも試料径バイアスが少ない新しい校正誤差指標を提案する。
論文 参考訳(メタデータ) (2023-02-17T12:45:51Z) - Selecting Models based on the Risk of Damage Caused by Adversarial
Attacks [2.969705152497174]
規制、法的責任、社会的懸念は、安全およびセキュリティクリティカルなアプリケーションにおけるAIの採用に挑戦する。
重要な懸念の1つは、敵が検出されずにモデル予測を操作することで害を引き起こす可能性があることである。
本稿では,敵攻撃による被害の確率をモデル化し,統計的に推定する手法を提案する。
論文 参考訳(メタデータ) (2023-01-28T10:24:38Z) - Boosting the interpretability of clinical risk scores with intervention
predictions [59.22442473992704]
本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。
死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
論文 参考訳(メタデータ) (2022-07-06T19:49:42Z) - FisrEbp: Enterprise Bankruptcy Prediction via Fusing its Intra-risk and
Spillover-Risk [4.369823783549928]
LSTMベースのリスク内エンコーダとGNNベースのリスク外乱エンコーダを備える新しい手法を提案する。
リスク内エンコーダは、基本業務情報と訴訟情報から統計相関指標を用いて、企業内リスクを捕捉することができる。
流出リスクエンコーダはハイパーグラフニューラルネットワークとヘテロジニアスグラフニューラルネットワークからなる。
論文 参考訳(メタデータ) (2022-02-01T04:28:48Z) - Risk score learning for COVID-19 contact tracing apps [18.64835871177855]
COVID-19用のデジタルコンタクトトレースアプリは、特定の露出中にユーザーが感染したリスクを推定する必要があります。
機械学習手法を用いて,リスクスコアモデルのパラメータを自動的に最適化できることを示した。
論文 参考訳(メタデータ) (2021-04-17T00:55:36Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳(メタデータ) (2020-06-14T01:15:00Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z) - Deep Survival Machines: Fully Parametric Survival Regression and
Representation Learning for Censored Data with Competing Risks [14.928328404160299]
本稿では,検閲データを用いた時系列予測問題において,相対リスクを推定するための新しいアプローチについて述べる。
我々のアプローチは、基礎となる生存分布の一定の比例的ハザードの強い仮定を必要としない。
これは検閲の有無で競合するリスクを伴う生存時間を完全にパラメトリックに推定する最初の作品である。
論文 参考訳(メタデータ) (2020-03-02T20:21:59Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。