論文の概要: Positively Correlated Samples Save Pooled Testing Costs

• arxiv url: http://arxiv.org/abs/2011.09794v2
• Date: Sat, 17 Apr 2021 07:58:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 17:18:48.045343
• Title: Positively Correlated Samples Save Pooled Testing Costs
• Title（参考訳）: ポジティヴな関連サンプルがテストコストを節約
• Authors: Yi-Jheng Lin, Che-Hao Yu, Tzu-Hsuan Liu, Cheng-Shang Chang, and Wen-Tsuen Chen
• Abstract要約: 家族内の人々は互いに感染しがちなので、正の相関関係にある可能性が高い。 1つは、ドルフマン2段法を用いることで、さらなるコスト削減が達成できるという厳密な証明を提供することである。 もうひとつは,ソーシャルグラフを用いたプールテストのための階層的凝集アルゴリズムを提案することである。
• 参考スコア（独自算出の注目度）: 8.564985199182702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The group testing approach that achieves significant cost reduction over the individual testing approach has received a lot of interest lately for massive testing of COVID-19. Many studies simply assume samples mixed in a group are independent. However, this assumption may not be reasonable for a contagious disease like COVID-19. Specifically, people within a family tend to infect each other and thus are likely to be positively correlated. By exploiting positive correlation, we make the following two main contributions. One is to provide a rigorous proof that further cost reduction can be achieved by using the Dorfman two-stage method when samples within a group are positively correlated. The other is to propose a hierarchical agglomerative algorithm for pooled testing with a social graph, where an edge in the social graph connects frequent social contacts between two persons. Such an algorithm leads to notable cost reduction (roughly 20%-35%) compared to random pooling when the Dorfman two-stage algorithm is applied.
• Abstract（参考訳）: 個別のテストアプローチよりも大幅なコスト削減を実現するグループテストアプローチは、最近、COVID-19の大規模なテストで大きな関心を集めている。 多くの研究は単に群に混ざったサンプルが独立であると仮定している。 しかし、この仮定は新型コロナウイルスのような伝染病には妥当ではないかもしれない。 特に、家族内の人々は互いに感染する傾向があり、したがって正の相関関係にある可能性が高い。 正の相関を利用して、以下の2つの主な貢献を行う。 1つは、グループ内のサンプルが正の相関関係にある場合に、ドルフマン二段階法を用いてさらなるコスト削減を実現するための厳密な証明を提供することである。 もうひとつは,ソーシャルグラフを用いたプールテストのための階層的凝集アルゴリズムを提案することであり,ソーシャルグラフのエッジが2人間の頻繁なソーシャルコンタクトを接続する。 このようなアルゴリズムは、ドルフマン二段階アルゴリズムを適用した場合のランダムプーリングと比較して、顕著なコスト削減(約20%-35%)をもたらす。

関連論文リスト

• Optimal Multi-Distribution Learning [88.3008613028333]
  マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。 本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-08T16:06:29Z)
• Hard Sample Aware Network for Contrastive Deep Graph Clustering [38.44763843990694]
  我々は,Hard Sample Aware Network (HSAN) と呼ばれる,新しい対照的な深層グラフクラスタリング手法を提案する。 本アルゴリズムでは, 属性埋め込みと構造埋め込みの両方を考慮し, サンプル間の類似性を計算した。 得られた高信頼度クラスタリング情報のガイダンスに基づき,提案した重み調整関数は,まず正および負のサンプルを認識する。
  論文  参考訳（メタデータ） (2022-12-16T16:57:37Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• Group Testing under Superspreading Dynamics [25.849716513803013]
  グループテストは、確認された新型コロナウイルス患者のすべての密接な接触に対して推奨される。 そこで本研究では,Dorfman法と不完全性試験を併用した,よく知られた半適応型プールテスト法を構築し,動的プログラミングに基づく簡単なグループテスト法を導出する。
  論文  参考訳（メタデータ） (2021-06-30T11:27:58Z)
• Doubly Contrastive Deep Clustering [135.7001508427597]
  本稿では、サンプルビューとクラスビューの両方でコントラスト損失を構築する新しい二重コントラストディープクラスタリング(DCDC)フレームワークを紹介します。 具体的には、サンプルビューに対して、元のサンプルとその拡張バージョンのクラス分布を正のサンプルペアとして設定する。 クラスビューでは、クラスのサンプル分布から正のペアと負のペアを構築します。 このように、2つのコントラスト損失は、サンプルとクラスレベルでのミニバッチサンプルのクラスタリング結果をうまく制限します。
  論文  参考訳（メタデータ） (2021-03-09T15:15:32Z)
• Group Testing with a Graph Infection Spread Model [61.48558770435175]
  感染は個人間のつながりを通じて広がり、その結果、確率的クラスター形成構造と、個人に対する非i.d.感染状態が生じる。 そこで本研究では,既知の確率的感染拡散モデルを利用する2段階のサンプルグループテストアルゴリズムを提案する。 その結果, 感染率が高い場合でも, 集団検査により必要な検査数を大幅に削減できることが示唆された。
  論文  参考訳（メタデータ） (2021-01-14T18:51:32Z)
• Two-Sample Testing on Ranked Preference Data and the Role of Modeling Assumptions [57.77347280992548]
  本稿では,ペアワイズ比較データとランキングデータのための2サンプル試験を設計する。 私たちのテストでは、基本的に分布に関する仮定は必要ありません。 実世界のペアワイズ比較データに2サンプルテストを適用することで、人によって提供される評価とランキングは、実際は異なる分散である、と結論付ける。
  論文  参考訳（メタデータ） (2020-06-21T20:51:09Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。