論文の概要: Algoritmos de miner\'ia de datos en la industria sanitaria
- arxiv url: http://arxiv.org/abs/2104.09395v1
- Date: Mon, 19 Apr 2021 15:36:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 18:50:40.503725
- Title: Algoritmos de miner\'ia de datos en la industria sanitaria
- Title（参考訳）: Algoritmos de miner\'ia de datos en la industria sanitaria
- Authors: Marta Li Wang
- Abstract要約: 健康アプリケーションのためのデータマイニングアプローチをレビューします。
現代のコンピュータは複数のプロセッサで構成され、それぞれが複数のコアを備え、それぞれが算術/論理単位のセットを備えている。
これは、ECG、脳波、CT、SPECT、fMRI、DTI、超音波、顕微鏡、皮膚内視鏡など、健康の多くのアプリケーションにとって重要です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In this paper, we review data mining approaches for health applications. Our
focus is on hardware-centric approaches. Modern computers consist of multiple
processors, each equipped with multiple cores, each with a set of
arithmetic/logical units. Thus, a modern computer may be composed of several
thousand units capable of doing arithmetic operations like addition and
multiplication. Graphic processors, in addition may offer some thousand such
units. In both cases, single instruction multiple data and multiple instruction
multiple data parallelism must be exploited. We review the principles of
algorithms which exploit this parallelism and focus also on the memory issues
when multiple processing units access main memory through caches. This is
important for many applications of health, such as ECG, EEG, CT, SPECT, fMRI,
DTI, ultrasound, microscopy, dermascopy, etc.
- Abstract（参考訳）: 本稿では,健康応用のためのデータマイニング手法について概説する。
私たちの焦点はハードウェア中心のアプローチです。
現代のコンピュータは複数のプロセッサで構成され、それぞれが複数のコアを備え、それぞれが算術/論理単位のセットを備えている。
したがって、現代のコンピュータは、加算や乗算といった算術演算が可能な数万単位からなることができる。
さらに、グラフィックプロセッサは数千のユニットを提供する。
いずれの場合も、単一の命令多重データと複数の命令多重データ並列性を利用する必要がある。
この並列性を利用したアルゴリズムの原理を概観し、複数の処理ユニットがキャッシュを介してメインメモリにアクセスする際のメモリ問題にも注目する。
これは、ECG、EEG、CT、SPECT、fMRI、DTI、超音波、顕微鏡、皮膚顕微鏡など、多くの健康分野において重要である。
関連論文リスト
- Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。
認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。
我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-07-14T03:15:56Z) - Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。
1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。
我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-25T05:04:44Z) - HDCC: A Hyperdimensional Computing compiler for classification on
embedded systems and high-performance computing [58.720142291102135]
この研究は、HDC分類メソッドの高レベルな記述を最適化されたCコードに変換する最初のオープンソースコンパイラである、ネームコンパイラを紹介している。
nameは現代のコンパイラのように設計されており、直感的で記述的な入力言語、中間表現(IR)、再ターゲット可能なバックエンドを備えている。
これらの主張を裏付けるために,HDC文献で最もよく使われているデータセットについて,HDCCを用いて実験を行った。
論文 参考訳（メタデータ） (2023-04-24T19:16:03Z) - Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。
本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
論文 参考訳（メタデータ） (2022-07-09T09:14:12Z) - Machine Learning Training on a Real Processing-in-Memory System [9.286176889576996]
機械学習アルゴリズムのトレーニングは計算集約的なプロセスであり、しばしばメモリバウンドである。
メモリ内処理機能を備えたメモリ中心のコンピューティングシステムは、このデータ移動ボトルネックを軽減することができる。
我々の研究は、現実世界の汎用PIMアーキテクチャ上で機械学習アルゴリズムのトレーニングを評価する最初のものである。
論文 参考訳（メタデータ） (2022-06-13T10:20:23Z) - Does Proprietary Software Still Offer Protection of Intellectual
Property in the Age of Machine Learning? -- A Case Study using Dual Energy CT
Data [6.654648671169403]
本稿では, 単エネルギー画像と2重エネルギーCTデータからのヨウ素マップの計算が, 機械学習によって逆エンジニアリング可能かどうかを考察する。
以上の結果から,1枚のスライス画像のみを訓練データとして,0.98以上の構造的類似性を持つ非常に高精度に近似できることが示唆された。
論文 参考訳（メタデータ） (2021-12-06T17:31:21Z) - Benchmarking Small-Scale Quantum Devices on Computing Graph Edit
Distance [52.77024349608834]
グラフ編集距離(GED: Graph Edit Distance)は、2つのグラフ間の(異なる)相似性の度合いを測定する。
本稿では、GED計算における2つの量子アプローチの比較研究について述べる。
論文 参考訳（メタデータ） (2021-11-19T12:35:26Z) - DM algorithms in healthindustry [7.400475825464313]
本調査は, 保健産業におけるデータマイニング(dm)のアプローチを, 様々な研究グループからレビューするものである。
焦点は、今日のコモディティコンピュータに組み込まれた現代のマルチコアプロセッサである。
論文 参考訳（メタデータ） (2021-03-02T17:37:55Z) - Massively Parallel Graph Drawing and Representation Learning [13.736789987448466]
グラフ埋め込み、すなわちグラフの頂点を数値ベクトルに変換することは、重要なデータマイニングタスクである。
低次元および高次元ベクトルを生成する情報理論手法であるMulticoreGEMPEを提案する。
論文 参考訳（メタデータ） (2020-11-06T17:18:14Z) - Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。
最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。
ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
論文 参考訳（メタデータ） (2020-06-18T08:16:25Z) - How deep the machine learning can be [0.0]
機械学習は、主に従来のコンピューティング(プロセッサ)に基づいている。
本稿では,AIソリューションの計算性能のスケールアップについて,いくつかの問題点を概観する。
論文 参考訳（メタデータ） (2020-05-02T16:06:31Z)
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。