論文の概要: An Open-Source Dataset on Dietary Behaviors and DASH Eating Plan Optimization Constraints

• arxiv url: http://arxiv.org/abs/2010.07531v1
• Date: Thu, 15 Oct 2020 05:25:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 05:22:22.025223
• Title: An Open-Source Dataset on Dietary Behaviors and DASH Eating Plan Optimization Constraints
• Title（参考訳）: 食事行動とダッシュ摂食計画最適化制約に関するオープンソースデータセット
• Authors: Farzin Ahmadi, Fardin Ganjkhanloo, Kimia Ghobadi
• Abstract要約: 我々は、異なるグループの食行動、その人口統計、および既存の状況に基づいて、修正されたデータセットを提供する。 また,高血圧およびプレ糖尿病患者を対象に,標的食の利益を享受する興味のあるグループとして,調整したデータセットを提供する。
• 参考スコア（独自算出の注目度）: 0.29298205115761694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linear constrained optimization techniques have been applied to many real-world settings. In recent years, inferring the unknown parameters and functions inside an optimization model has also gained traction. This inference is often based on existing observations and/or known parameters. Consequently, such models require reliable, easily accessed, and easily interpreted examples to be evaluated. To facilitate research in such directions, we provide a modified dataset based on dietary behaviors of different groups of people, their demographics, and pre-existing conditions, among other factors. This data is gathered from the National Health and Nutrition Examination Survey (NHANES) and complemented with the nutritional data from the United States Department of Agriculture (USDA). We additionally provide tailored datasets for hypertension and pre-diabetic patients as groups of interest who may benefit from targetted diets such as the Dietary Approaches to Stop Hypertension (DASH) eating plan. The data is compiled and curated in such a way that it is suitable as input to linear optimization models. We hope that this data and its supplementary, open-accessed materials can accelerate and simplify interpretations and research on linear optimization and constrained inference models. The complete dataset can be found in the following repository: https://github.com/CSSEHealthcare/InverseLearning
• Abstract（参考訳）: 線形制約最適化技術は多くの実世界の設定に適用されている。 近年,最適化モデル内で未知のパラメータや関数を推定する手法も注目されている。 この推論は、しばしば既存の観測や既知のパラメータに基づいている。 そのため、そのようなモデルは信頼性が高く、容易にアクセスでき、容易に解釈できる例を必要とする。 このような方向の研究を容易にするために,様々な集団の食事行動,その人口動態,および既存の条件に基づくデータセットの修正を行った。 このデータはnational health and nutrition examination survey (nhanes) から収集され、アメリカ合衆国農務省(usda)の栄養データと補完される。 また,高血圧およびプレ糖尿病患者を対象に,高血圧予防のための食事アプローチ(DASH)摂食計画などの目標食の恩恵を受けることができるグループとして,適切なデータセットを提供する。 データは線形最適化モデルへの入力として適するようにコンパイルされ、キュレートされる。 このデータとその補足的なオープンアクセス材料が、線形最適化と制約付き推論モデルに関する解釈と研究を加速し、単純化できることを願っている。 完全なデータセットは以下のリポジトリにある。 https://github.com/cssehealthcare/inverselearning。

関連論文リスト

• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
  GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。 GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。 今後4年間の健康状態も予測できる。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• Enhancing Performance for Highly Imbalanced Medical Data via Data Regularization in a Federated Learning Setting [6.22153888560487]
  本手法の目的は,心血管疾患予測のためのモデル性能を向上させることである。 本手法は, 心臓血管疾患予測のための4つのデータセットにまたがって評価され, 異なるクライアントに分散している。
  論文  参考訳（メタデータ） (2024-05-30T19:15:38Z)
• Adaptive Data Analysis for Growing Data [19.68686581348877]
  適応的なデータの再利用は、過度な適合と統計的妥当性に関する問題を引き起こす。 本稿では、動的データ設定における適応解析のための第一一般化境界について述べる。
  論文  参考訳（メタデータ） (2024-05-22T06:17:58Z)
• Simulation-Enhanced Data Augmentation for Machine Learning Pathloss Prediction [9.664420734674088]
  本稿では,機械学習パスロス予測のための新しいシミュレーション強化データ拡張手法を提案する。 本手法は,細胞被覆シミュレータから生成した合成データと,独立して収集した実世界のデータセットを統合する。 合成データの統合は、異なる環境におけるモデルの一般化可能性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-02-03T00:38:08Z)
• Collinear datasets augmentation using Procrustes validation sets [0.0]
  数値と混合データセットの増大のための新しい手法を提案する。 クロスバリデーション・リサンプリングと潜在変数モデリングを利用して追加のデータポイントを生成する。 特に、中程度から高いコリニアリティのデータセットでは効率的である。
  論文  参考訳（メタデータ） (2023-12-08T09:07:11Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。 最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。 我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。 また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
  論文  参考訳（メタデータ） (2023-09-14T13:29:41Z)
• GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection [6.231109933741383]
  本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。 経験豊富なGI内科医によって注釈され、検証された。 我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
  論文  参考訳（メタデータ） (2023-07-16T19:36:03Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
  時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。 DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
  論文  参考訳（メタデータ） (2020-10-28T15:05:08Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)

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。