Fugu-MT 論文翻訳(概要): Software Engineering Standards for Epidemiological Modeling

論文の概要: Software Engineering Standards for Epidemiological Modeling

arxiv url: http://arxiv.org/abs/2009.09295v1
Date: Sat, 19 Sep 2020 20:43:39 GMT
ステータス: 処理完了
システム内更新日: 2023-05-01 20:07:38.789784
Title: Software Engineering Standards for Epidemiological Modeling
Title（参考訳）: 疫学モデリングのためのソフトウェア工学標準
Authors: Jack K. Horner and John F. Symons
Abstract要約: 疫学シミュレータは安全基準の枠組みの中で設計・評価されるべきである。この論文の核心は、インペリアル・カレッジ・ロンドン(ICL) COVID-19シミュレーターのケーススタディである。
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: There are many normative and technical questions involved in evaluating the quality of software used in epidemiological simulations. In this paper we answer some of these questions and offer practical guidance to practitioners, funders, scientific journals, and consumers of epidemiological research. The heart of our paper is a case study of the Imperial College London (ICL) COVID-19 simulator. We contend that epidemiological simulators should be engineered and evaluated within the framework of safety-critical standards developed by the consensus of the software engineering community for applications such as automotive and aircraft control.
Abstract（参考訳）: 疫学シミュレーションで使用されるソフトウェアの品質を評価するには、多くの規範的および技術的な疑問がある。本稿では,これらの質問に答え,実践者,資金提供者,科学雑誌,疫学研究の利用者に対して実践的指導を行う。論文の核心は、インペリアル・カレッジ・ロンドン(icl)のcovid-19シミュレーターのケーススタディです。我々は,自動車や航空機制御などの応用のためのソフトウェア工学コミュニティのコンセンサスによって開発された安全基準の枠組みの中で,疫学シミュレータを設計・評価すべきであると主張する。

関連論文リスト

Introducing ELLIPS: An Ethics-Centered Approach to Research on LLM-Based Inference of Psychiatric Conditions [0.6174527525452624]
本稿では,言語を基盤とした精神病理学研究の倫理的景観を概説する。モデルの開発とデプロイメントをガイドする7つの中心的な倫理原則を特定します。我々はこれらの原則を研究者の選択を導くための質問に翻訳する。
論文参考訳（メタデータ） (2024-09-06T12:27:38Z)
Coupled Requirements-driven Testing of CPS: From Simulation To Reality [5.7736484832934325]
CPS(Cyber-Physical Systems)の障害は、物理的なインフラや人間を傷つける深刻な事故を引き起こす可能性がある。現在のシミュレーションとフィールドテストの実践、特に小型無人航空システム(sUAS)の領域では、アドホックであり、完全に構造化されたテストプロセスが欠如している。我々はCPSを検証するための初期フレームワークを開発し、特にsUASとロボットアプリケーションに焦点を当てた。
論文参考訳（メタデータ） (2024-03-24T20:32:12Z)
Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文参考訳（メタデータ） (2024-03-12T18:12:02Z)
Artificial Intelligence for In Silico Clinical Trials: A Review [41.85196749088317]
サイリコ臨床試験(英:silico trial)は、シミュレーションとモデリングを通じてデジタル的に行われる臨床試験である。本稿では,臨床シミュレーション,個別化予測モデル,コンピュータ支援トライアルデザインの3つの主要なトピックで論文を体系的にレビューする。
論文参考訳（メタデータ） (2022-09-16T14:59:31Z)
Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文参考訳（メタデータ） (2022-06-22T19:33:21Z)
Rethinking Machine Learning Model Evaluation in Pathology [3.0575251867964153]
本稿では,病理学における機械学習評価のための実践的ガイドラインを提案する。本報告では,評価フレームワークの設定,ラベルの多様性の効果的対応,および推奨テストスイートについて述べる。提案されたフレームワークが、ML研究者とドメインエキスパートのギャップを埋め、病理学におけるMLテクニックの広範な採用につながることを期待しています。
論文参考訳（メタデータ） (2022-04-11T15:49:12Z)
The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文参考訳（メタデータ） (2021-06-08T10:38:09Z)
A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文参考訳（メタデータ） (2020-11-17T22:24:26Z)
Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文参考訳（メタデータ） (2020-08-05T15:45:54Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)
Simulation-Based Inference for Global Health Decisions [9.850436827722419]
機械学習における最近のブレークスルー、特にシミュレーションベースの推論について論じる。研究をさらに刺激するために、新型コロナウイルスとマラリア疫学モデルを確率的プログラムに変えるソフトウェアインターフェースを開発している。
論文参考訳（メタデータ） (2020-05-14T15:29:45Z)

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。