論文の概要: Whom to Test? Active Sampling Strategies for Managing COVID-19
- arxiv url: http://arxiv.org/abs/2012.13483v1
- Date: Fri, 25 Dec 2020 02:04:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 07:04:34.248529
- Title: Whom to Test? Active Sampling Strategies for Managing COVID-19
- Title（参考訳）: 誰がテストする?
アクティブサンプリングによる新型コロナウイルス対策
- Authors: Yingfei Wang, Inbal Yahav, Balaji Padmanabhan
- Abstract要約: 本稿では、新型コロナウイルスなどのパンデミック時に感染を検査する個人を選択する方法を提案する。
ここで提示されるスマートテストのアイデアは、機械学習におけるアクティブラーニングとマルチアームバンディット技術によって動機付けられている。
- 参考スコア（独自算出の注目度）: 1.4610038284393163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents methods to choose individuals to test for infection
during a pandemic such as COVID-19, characterized by high contagion and
presence of asymptomatic carriers. The smart-testing ideas presented here are
motivated by active learning and multi-armed bandit techniques in machine
learning. Our active sampling method works in conjunction with quarantine
policies, can handle different objectives, is dynamic and adaptive in the sense
that it continually adapts to changes in real-time data. The bandit algorithm
uses contact tracing, location-based sampling and random sampling in order to
select specific individuals to test. Using a data-driven agent-based model
simulating New York City we show that the algorithm samples individuals to test
in a manner that rapidly traces infected individuals. Experiments also suggest
that smart-testing can significantly reduce the death rates as compared to
current methods such as testing symptomatic individuals with or without contact
tracing.
- Abstract（参考訳）: 本稿では,感染率が高く,非感染性キャリアーの存在を特徴とする,新型コロナウイルスなどのパンデミックの感染検査を行う個人を選択する方法を提案する。
ここで提示されるスマートテストのアイデアは、機械学習におけるアクティブラーニングとマルチアームバンディット技術によって動機付けられている。
アクティブサンプリング手法は, 検疫方針と連動して動作し, 異なる目的を処理でき, 動的かつ適応的であり, リアルタイムデータの変化に継続的に適応する。
Banditアルゴリズムは、接触追跡、位置に基づくサンプリング、ランダムサンプリングを使用して、テスト対象の特定の個人を選択する。
ニューヨーク市をシミュレートするデータ駆動型エージェントベースモデルを用いて、このアルゴリズムは感染した個人を迅速に追跡する方法で個人を検査する。
また、スマートテストは、接触追跡の有無に関わらず症状の個人をテストする現在の方法と比較して、死亡率を著しく低下させる可能性も示唆している。
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) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - Containing a spread through sequential learning: to exploit or to
explore? [11.86456063377268]
我々は、所定の試験予算の下で、累積感染を抑えるためのテストおよび隔離戦略を設計する。
ネットワークや拡散のパラメータによって,様々な合成データネットワークや実データネットワークにおけるエクスプロイトよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-03-01T00:13:52Z) - Adaptive Sequential Surveillance with Network and Temporal Dependence [1.7205106391379026]
戦略的なテストアロケーションは、パンデミックと既存のパンデミックの両方のコントロールにおいて重要な役割を果たしている。
感染症の監視は、ユニークな統計上の課題を提示する。
適応型シーケンシャル監視のためのオンライン・スーパーラーナーを提案する。
論文 参考訳（メタデータ） (2022-12-05T17:04:17Z) - TTAPS: Test-Time Adaption by Aligning Prototypes using Self-Supervision [70.05605071885914]
本研究では,単体テストサンプルに適用可能な自己教師付きトレーニングアルゴリズムSwaVの新たな改良を提案する。
ベンチマークデータセットCIFAR10-Cにおいて,本手法の有効性を示す。
論文 参考訳（メタデータ） (2022-05-18T05:43:06Z) - Active Learning for Deep Visual Tracking [51.5063680734122]
畳み込みニューラルネットワーク(CNN)は近年,単一目標追跡タスクに成功している。
本稿では,ディープ・ビジュアル・トラッキングのためのアクティブ・ラーニング手法を提案する。
アクティブラーニングの指導のもと、トレーニングされた深層CNNモデルに基づくトラッカーは、ラベリングコストを低減しつつ、競合的なトラッキング性能を達成することができる。
論文 参考訳（メタデータ） (2021-10-17T11:47:56Z) - 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) - A Partially Observable MDP Approach for Sequential Testing for
Infectious Diseases such as COVID-19 [29.84897273754802]
本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。
そして、感染した個体数を最小化する効率的な学習戦略を開発する。
論文 参考訳（メタデータ） (2020-07-25T22:13:37Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - 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。