論文の概要: Efficient and accurate group testing via Belief Propagation: an
empirical study
- arxiv url: http://arxiv.org/abs/2105.07882v1
- Date: Thu, 13 May 2021 10:52:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:32:17.787723
- Title: Efficient and accurate group testing via Belief Propagation: an
empirical study
- Title（参考訳）: 信念伝播による効率的かつ正確な群検定--実証的研究
- Authors: AminCoja-Oghlan, Max Hahn-Klimroth, Philipp Loick, Manuel Penschuck
- Abstract要約: グループテスト問題は効率的なプーリングスキームとアルゴリズムを要求する。
目標は感染したサンプルを正確に識別し、最小限の数の検査を行うことである。
結果の精度を大幅に向上させる新しいテスト設計を提案する。
- 参考スコア（独自算出の注目度）: 5.706360286474043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The group testing problem asks for efficient pooling schemes and algorithms
that allow to screen moderately large numbers of samples for rare infections.
The goal is to accurately identify the infected samples while conducting the
least possible number of tests. Exploring the use of techniques centred around
the Belief Propagation message passing algorithm, we suggest a new test design
that significantly increases the accuracy of the results. The new design comes
with Belief Propagation as an efficient inference algorithm. Aiming for results
on practical rather than asymptotic problem sizes, we conduct an experimental
study.
- Abstract（参考訳）: グループテストの問題は、稀な感染症に対して適度に大量のサンプルをスクリーニングできる効率的なプーリングスキームとアルゴリズムを要求する。
目標は感染したサンプルを正確に識別し、最小限の数の検査を行うことである。
本稿では,Belief Propagationメッセージパッシングアルゴリズムを中心とした手法の活用を探求し,結果の精度を大幅に向上させる新しいテスト設計を提案する。
新しい設計には、効率的な推論アルゴリズムとしての信念伝播がある。
漸近的な問題の大きさよりも実践的な結果を目指して実験を行った。
関連論文リスト
- Optimal Decision Tree and Adaptive Submodular Ranking with Noisy Outcomes [9.321976218862542]
プールベースのアクティブラーニングでは、学習者にラベルのないデータセットが与えられ、データポイントのラベルをクエリすることで未知の仮説を効率的に学習することを目的としている。
これは古典的最適決定木(ODT)問題として定式化できる: テストのセット、仮説のセット、各テストと仮説に対する結果が与えられた場合、我々の目標は、真の仮説を識別する低コストなテスト手順(すなわち決定木)を見つけることである。
本研究では,ODT問題の基本的変種について検討し,実験結果がうるさい場合,さらに一般的な場合であっても検討する。
論文 参考訳（メタデータ） (2023-12-23T21:47:50Z) - Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。
線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
論文 参考訳（メタデータ） (2023-11-01T04:41:16Z) - Statistical Performance Guarantee for Subgroup Identification with
Generic Machine Learning [1.0878040851638]
我々は、ジェネリックMLアルゴリズム(GATES)によりソートされたグループ平均処理効果を推定するための一様信頼バンドを開発する。
我々は,後期前立腺癌の臨床試験を解析し,例外的反応の比率が比較的高いことを見出した。
論文 参考訳（メタデータ） (2023-10-12T01:41:47Z) - 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 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) - Cross-validation Confidence Intervals for Test Error [83.67415139421448]
この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。
結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
論文 参考訳（メタデータ） (2020-07-24T17:40:06Z) - Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。
近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。
我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文 参考訳（メタデータ） (2020-07-21T19:31:41Z) - Application-oriented mathematical algorithms for group testing [0.0]
集団検査は感染率が低い場合に特に効果的である。
本稿の目的は、最も効率的なグループテストアルゴリズムに関する数学的知識を要約し、拡張することである。
論文 参考訳（メタデータ） (2020-05-05T14:40:46Z) - 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。