論文の概要: AIRSENSE-TO-ACT: A Concept Paper for COVID-19 Countermeasures based on
Artificial Intelligence algorithms and multi-sources Data Processing
- arxiv url: http://arxiv.org/abs/2011.05808v1
- Date: Sat, 7 Nov 2020 17:50:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 01:17:02.032646
- Title: AIRSENSE-TO-ACT: A Concept Paper for COVID-19 Countermeasures based on
Artificial Intelligence algorithms and multi-sources Data Processing
- Title（参考訳）: airsense-to-act:人工知能アルゴリズムとマルチソースデータ処理に基づくcovid-19対策のコンセプトペーパー
- Authors: A. Sebastianelli, F. Mauro, G. Di Cosmo, F. Passarini, M. Carminati,
S. L. Ullo
- Abstract要約: 本報告では、新型コロナウイルスのパンデミックなどの緊急事態対策と対策のために、定量的かつ多スケールな要素をベースとした、対象とする対策の実施を支援するための新しいツールについて述べる。
このツールは集中型システム(Webアプリケーション)であり、単一のマルチユーザプラットフォームであり、異種データの処理に人工知能(AI)アルゴリズムに依存しており、出力レベルのリスクを生み出すことができる。
このモデルには、まず選択された入力間の相関を学習するために訓練される特定のニューラルネットワークが含まれている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aim of this paper is the description of a new tool to support institutions in
the implementation of targeted countermeasures, based on quantitative and
multi-scale elements, for the fight and prevention of emergencies, such as the
current COVID-19 pandemic. The tool is a centralized system (web application),
single multi-user platform, which relies on Artificial Intelligence (AI)
algorithms for the processing of heterogeneous data, and which can produce an
output level of risk. The model includes a specific neural network which will
be first trained to learn the correlation between selected inputs, related to
the case of interest: environmental variables (chemical-physical, such as
meteorological), human activity (such as traffic and crowding), level of
pollution (in particular the concentration of particulate matter), and
epidemiological variables related to the evolution of the contagion. The tool
realized in the first phase of the project will serve later both as a decision
support system (DSS) with predictive capacity, when fed by the actual measured
data, and as a simulation bench performing the tuning of certain input values,
to identify which of them lead to a decrease in the degree of risk. In this
way, the authors aim to design different scenarios to compare different
restrictive strategies and the actual expected benefits, to adopt measures
sized to the actual need, and adapted to the specific areas of analysis, useful
to safeguard human health, but also the economic and social impact of the
choices.
- Abstract（参考訳）: 本稿の目的は,現在の新型コロナウイルスのパンデミックのような緊急事態対策と闘うための,定量的かつ多元的な要素を基盤として,対策の実施を支援する新たなツールについて述べることである。
このツールは集中型システム(Webアプリケーション)であり、単一のマルチユーザプラットフォームであり、異種データの処理に人工知能(AI)アルゴリズムに依存しており、出力レベルのリスクを生み出すことができる。
このモデルは、興味のある場合に、選択された入力間の相関を学習するために最初に訓練される特定のニューラルネットワークを含む:環境変数(気象学のような化学的・物理的に)、人間の活動(交通や群集など)、汚染レベル(特に粒子状物質の濃度)、および感染の進化に関連する疫学的変数。
プロジェクトの第1フェーズで実現されたツールは、実際の測定データによって供給された際の予測能力を備えた意思決定支援システム(DSS)や、特定の入力値のチューニングを行うシミュレーションベンチとして機能し、そのどれがリスクの程度を減少させるかを特定する。
このようにして、著者らは、異なる制限戦略と実際の期待する利益を比較するために異なるシナリオをデザインし、実際のニーズに大きめの措置を採用し、特定の分析領域に適応し、人間の健康を保護するのに役立つだけでなく、その選択の経済的および社会的影響も考慮することを目的としている。
関連論文リスト
- Exploring Feature Importance and Explainability Towards Enhanced ML-Based DoS Detection in AI Systems [3.3150909292716477]
Denial of Service(DoS)攻撃は、AIシステムセキュリティの領域において重大な脅威となる。
統計的および機械学習(ML)に基づくDoS分類と検出アプローチは、幅広い特徴選択メカニズムを使用して、ネットワークトラフィックデータセットから特徴サブセットを選択する。
本稿では,MLによるDoS攻撃検出における特徴選択の重要性について検討する。
論文 参考訳（メタデータ） (2024-11-04T19:51:08Z) - Generative Principal Component Regression via Variational Inference [2.4415762506639944]
適切な操作を設計するための1つのアプローチは、予測モデルの重要な特徴をターゲットとすることである。
我々は,そのような情報を潜在空間で表現する,教師付き変分オートエンコーダ(SVAE)に基づく新しい目的を開発する。
シミュレーションでは,gPCRは通常のPCRやSVAEと比較して,操作時のターゲット選択を劇的に改善することを示した。
論文 参考訳（メタデータ） (2024-09-03T22:38:55Z) - A Video-Based Activity Classification of Human Pickers in Agriculture [0.4915744683251149]
ビデオベースのヒューマンピッカー検出のためのベンチマークモデルを作成する。
提案手法では,Mask領域をベースとした畳み込みニューラルネットワーク(Mask R-CNN)をオブジェクト検出に用いた。
カーネル密度推定(KDE)分析とK平均クラスタリングアルゴリズムに基づいて分類基準を定義する。
論文 参考訳（メタデータ） (2023-11-17T22:02:42Z) - AI Framework for Early Diagnosis of Coronary Artery Disease: An
Integration of Borderline SMOTE, Autoencoders and Convolutional Neural
Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。
実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文 参考訳（メタデータ） (2023-08-29T14:33:38Z) - Generating synthetic multi-dimensional molecular-mediator time series
data for artificial intelligence-based disease trajectory forecasting and
drug development digital twins: Considerations [0.0]
合成データの利用は、ニューラルネットワークベースの人工知能(AI)システムの開発における重要なステップとして認識されている。
このタイプの合成データを生成する統計的およびデータ中心の機械学習手段の欠如は、要因の組み合わせによるものである。
多次元時系列データの特定因子を考慮に入れた合成データの生成は、仲介者・バイオマーカーに基づくAI予測システムの開発に欠かせない能力である。
論文 参考訳（メタデータ） (2023-03-16T03:13:53Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - Sensitivity analysis in differentially private machine learning using
hybrid automatic differentiation [54.88777449903538]
感性分析のための新しいテクスチブリド自動識別システム(AD)を導入する。
これにより、ニューラルネットワークをプライベートデータ上でトレーニングするなど、任意の微分可能な関数合成の感度をモデル化できる。
当社のアプローチは,データ処理の設定において,プライバシ損失に関する原則的推論を可能にする。
論文 参考訳（メタデータ） (2021-07-09T07:19:23Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Estimating Structural Target Functions using Machine Learning and
Influence Functions [103.47897241856603]
統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。
このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。
我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
論文 参考訳（メタデータ） (2020-08-14T16:48:29Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。