Fugu-MT 論文翻訳(概要): A High-fidelity, Machine-learning Enhanced Queueing Network Simulation Model for Hospital Ultrasound Operations

論文の概要: A High-fidelity, Machine-learning Enhanced Queueing Network Simulation Model for Hospital Ultrasound Operations

arxiv url: http://arxiv.org/abs/2104.07451v1
Date: Mon, 12 Apr 2021 08:22:58 GMT
ステータス: 処理完了
システム内更新日: 2021-04-16 14:46:45.075492
Title: A High-fidelity, Machine-learning Enhanced Queueing Network Simulation Model for Hospital Ultrasound Operations
Title（参考訳）: 病院超音波手術における高忠実・機械学習強化キューネットワークシミュレーションモデル
Authors: Yihan Pan, Zhenghang Xu, Jin Guang, Jingjing Sun, Chengwenjian Wang, Xuanming Zhang, Xinyun Chen, J.G. Dai, Yichuan Ding, Pengyi Shi, Hongxin Pan, Kai Yang, and Song Wu
Abstract要約: われわれは中国の深センにある大病院と共同で、超音波センターの高忠実度シミュレーションモデルを構築した。機械学習ツールを用いて,待ち行列モデルの重要コンポーネントをデータから高精度に校正する。
参考スコア（独自算出の注目度）: 18.263029428741905
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We collaborate with a large teaching hospital in Shenzhen, China and build a high-fidelity simulation model for its ultrasound center to predict key performance metrics, including the distributions of queue length, waiting time and sojourn time, with high accuracy. The key challenge to build an accurate simulation model is to understanding the complicated patient routing at the ultrasound center. To address the issue, we propose a novel two-level routing component to the queueing network model. We apply machine learning tools to calibrate the key components of the queueing model from data with enhanced accuracy.
Abstract（参考訳）: 中国の深センにある大規模教育病院と協働し,超音波センタのための高精度シミュレーションモデルを構築し,待ち時間,ソジュルン時間などの重要な性能指標を高精度に予測した。正確なシミュレーションモデルを構築するための重要な課題は、超音波センターでの複雑な患者の経路を理解することである。そこで本研究では,待ち行列ネットワークモデルに対する新しい2レベルルーティングコンポーネントを提案する。機械学習ツールを用いて,待ち行列モデルの重要コンポーネントをデータから高精度に校正する。

関連論文リスト

Data-Augmented Predictive Deep Neural Network: Enhancing the extrapolation capabilities of non-intrusive surrogate models [0.5735035463793009]
本稿では、カーネル動的モード分解(KDMD)を用いて、畳み込みオートエンコーダ(CAE)のエンコーダ部が生成する潜伏空間のダイナミクスを進化させる新しいディープラーニングフレームワークを提案する。 KDMD-decoder-extrapolated dataを元のデータセットに追加した後、この拡張データを用いてフィードフォワードディープニューラルネットワークと共にCAEをトレーニングする。トレーニングされたネットワークは、トレーニング外のパラメータサンプルでトレーニング時間間隔外の将来の状態を予測できる。
論文参考訳（メタデータ） (2024-10-17T09:26:14Z)
Approximating G(t)/GI/1 queues with deep learning [0.0]
待ち行列理論の問題を解くために教師付き機械学習手法を適用する。 G(t)/GI/1 の系における数の過渡分布を推定する。我々はこれらの分布を高速かつ正確に予測するニューラルネットワーク機構を開発する。
論文参考訳（メタデータ） (2024-07-11T05:25:45Z)
MTSA-SNN: A Multi-modal Time Series Analysis Model Based on Spiking Neural Network [23.303230721723278]
スパイキングニューラルネットワーク(MTSA-SNN)に基づくマルチモーダル時系列解析モデルを提案する。パルスは、時間画像とシーケンシャル情報の符号化を共通のパルスベース表現で統一する。本研究では、ウェーブレット変換操作を導入し、時間的情報を分析し評価するモデルの能力を高める。
論文参考訳（メタデータ） (2024-02-08T05:39:11Z)
Evaluation of machine learning architectures on the quantification of epistemic and aleatoric uncertainties in complex dynamical systems [0.0]
不確実量化(英: Uncertainty Quantification、UQ)は、モデル誤差の自己評価値である。ガウス過程とファミリーUQ強化ニューラルネットワークの両方を含む機械学習技術について検討する。検証データ上の正規化残差の分布と推定不確かさの分布の2つの指標を用いて,UQ精度(モデル精度とは異なる)を評価する。
論文参考訳（メタデータ） (2023-06-27T02:35:25Z)
Randomized Neural Networks for Forecasting Time Series with Multiple Seasonality [0.0]
この研究は、新しいランダム化に基づく学習手法を用いたニューラル予測モデルの開発に寄与する。時系列のパターンに基づく表現は、複数の季節の時系列を予測するのに有用である。
論文参考訳（メタデータ） (2021-07-04T18:39:27Z)
Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文参考訳（メタデータ） (2021-06-25T22:08:51Z)
Fast accuracy estimation of deep learning based multi-class musical source separation [79.10962538141445]
本稿では,ニューラルネットワークのトレーニングやチューニングを行うことなく,任意のデータセットにおける楽器の分離性を評価する手法を提案する。理想的な比マスクを持つオラクルの原理に基づいて、我々の手法は最先端のディープラーニング手法の分離性能を推定するための優れたプロキシである。
論文参考訳（メタデータ） (2020-10-19T13:05:08Z)
Fast, Accurate, and Simple Models for Tabular Data via Augmented Distillation [97.42894942391575]
本研究では、FAST-DADを用いて、任意の複雑なアンサンブル予測を、高木、無作為林、深層ネットワークなどの個々のモデルに抽出する。我々の個々の蒸留モデルは、H2O/AutoSklearnのようなAutoMLツールが生成するアンサンブル予測よりも10倍高速で精度が高い。
論文参考訳（メタデータ） (2020-06-25T09:57:47Z)
Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文参考訳（メタデータ） (2020-05-03T02:36:00Z)
A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文参考訳（メタデータ） (2020-03-16T03:43:59Z)
Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。このようなモデルをリアルタイム診断に利用しています。
論文参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。