論文の概要: Classification based on invisible features and thereby finding the effect of tuberculosis vaccine on COVID-19

• arxiv url: http://arxiv.org/abs/2011.07332v1
• Date: Sat, 14 Nov 2020 16:42:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 13:28:42.603413
• Title: Classification based on invisible features and thereby finding the effect of tuberculosis vaccine on COVID-19
• Title（参考訳）: 目に見えない特徴に基づく分類と結核ワクチンのCOVID-19への影響
• Authors: Nihal Acharya Adde, Thilo Moshagen
• Abstract要約: ログコッシュ損失関数を持つ人工ニューラルネットワークは、2つの平均よりも大きいクラスタを学習する。 ドイツ各地区の感染者数、死亡数、活動状況、その他の関連データを予測するため、ニューラルネットワークが設定された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the case of clustered data, an artificial neural network with logcosh loss function learns the bigger cluster rather than the mean of the two. Even more so, the ANN when used for regression of a set-valued function, will learn a value close to one of the choices, in other words, it learns one branch of the set-valued function with high accuracy. This work suggests a method that uses artificial neural networks with logcosh loss to find the branches of set-valued mappings in parameter-outcome sample sets and classifies the samples according to those branches. The method not only classifies the data based on these branches but also provides an accurate prediction for the majority cluster. The method successfully classifies the data based on an invisible feature. A neural network was successfully established to predict the total number of cases, the logarithmic total number of cases, deaths, active cases and other relevant data of the coronavirus for each German district from a number of input variables. As it has been speculated that the Tuberculosis vaccine provides protection against the virus and since East Germany was vaccinated before reunification, an attempt was made to classify the Eastern and Western German districts by considering the vaccine information as an invisible feature.
• Abstract（参考訳）: クラスタ化されたデータの場合、ログコッシュ損失関数を持つ人工ニューラルネットワークは、その2つの平均よりも大きなクラスタを学習する。 さらに、集合値関数の回帰に使用されるANNは、選択の1つに近い値を学び、言い換えれば、集合値関数の1つの分岐を高い精度で学習する。 本研究は, 対数損失を有するニューラルネットワークを用いて, パラメータアウトカムサンプルセットのセット値マッピングの分岐を見つけ, それらの分岐に従ってサンプルを分類する手法を提案する。 この方法はこれらの分岐に基づいてデータを分類するだけでなく、多数クラスタの正確な予測も提供する。 この方法は、見えない特徴に基づいてデータをうまく分類する。 多数の入力変数から、ドイツ各地区の感染者数、死亡者数、活動事例数、その他の関連データを予測するために、ニューラルネットワークが正常に確立された。 結核ワクチンはウイルスに対する保護を提供すると考えられており、再統一前に東ドイツがワクチン接種されたため、ワクチンに関する情報を目に見えない特徴として捉えて東ドイツと西ドイツを分類する試みが行われた。

関連論文リスト

• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Prostate Lesion Detection and Salient Feature Assessment Using Zone-Based Classifiers [0.0]
  マルチパラメトリックMRI(Multi-parametric magnetic resonance imaging)は前立腺癌の病変の検出において役割を担っている。 これらのスキャンを解釈する医療専門家は、コンピュータ支援検出システムを用いることで、ヒューマンエラーのリスクを低減することが重要である。 本稿では,各前立腺領域に最適な機械学習分類器について検討する。
  論文  参考訳（メタデータ） (2022-08-24T13:08:56Z)
• CNN-based Classification Framework for Tissues of Lung with Additional Information [7.537149692650752]
  間質性肺疾患(Interstitial lung disease)は、肺胞炎や肺線維症を特徴とする異種性疾患の大規模なグループである。 これまでの研究は、間質性肺疾患の分類において驚くべき結果をもたらした。 本研究では,新たな情報を持つ畳み込みニューラルネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-14T09:06:09Z)
• Domain Invariant Model with Graph Convolutional Network for Mammogram Classification [49.691629817104925]
  グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。 まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。 マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
  論文  参考訳（メタデータ） (2022-04-21T08:23:44Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Finding hidden-feature depending laws inside a data set and classifying it using Neural Network [0.0]
  ニューラルネットワークのlogcosh損失関数は、異常値の重み付けを行わない絶対誤差損失関数の利点と、平均付近における連続微分の平均二乗誤差の利点を組み合わせるために開発された。 本研究は,logcosh損失を持つ人工ニューラルネットワークを用いてパラメータ-アウトカムサンプルセットのセット値マッピングの分岐を探索し,それらの分岐に従ってサンプルを分類する手法を提案する。
  論文  参考訳（メタデータ） (2021-01-25T21:37:37Z)
• Raspberry Pi Based Intelligent Robot that Recognizes and Places Puzzle Objects [1.1470070927586016]
  非線形2次差分プロット(SODP)は、心不全(CHF)患者の診断に用いられる。 構築システムは,SODPから得られる特徴を持つニューラルネットワーク分類器を用いて,正常およびCHF患者を100%精度で識別できることが示唆された。
  論文  参考訳（メタデータ） (2021-01-20T18:58:59Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)
• Parameter Space Factorization for Zero-Shot Learning across Tasks and Languages [112.65994041398481]
  本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。 タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。 我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
  論文  参考訳（メタデータ） (2020-01-30T16:58:56Z)

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。