Fugu-MT 論文翻訳(概要): Deep Learning for Epidemiologists: An Introduction to Neural Networks

論文の概要: Deep Learning for Epidemiologists: An Introduction to Neural Networks

arxiv url: http://arxiv.org/abs/2202.01319v1
Date: Wed, 2 Feb 2022 22:52:18 GMT
ステータス: 処理完了
システム内更新日: 2022-02-05 04:05:25.031189
Title: Deep Learning for Epidemiologists: An Introduction to Neural Networks
Title（参考訳）: 疫学者のための深層学習 : ニューラルネットワーク入門
Authors: Stylianos Serghiou, Kathryn Rough
Abstract要約: 深層学習の基礎を疫学的観点から紹介する。本研究の目的は,ディープラーニングの医学的応用に読者が関与し,批判的に評価できるようにすることである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep learning methods are increasingly being applied to problems in medicine and healthcare. However, few epidemiologists have received formal training in these methods. To bridge this gap, this article introduces to the fundamentals of deep learning from an epidemiological perspective. Specifically, this article reviews core concepts in machine learning (overfitting, regularization, hyperparameters), explains several fundamental deep learning architectures (convolutional neural networks, recurrent neural networks), and summarizes training, evaluation, and deployment of models. We aim to enable the reader to engage with and critically evaluate medical applications of deep learning, facilitating a dialogue between computer scientists and epidemiologists that will improve the safety and efficacy of applications of this technology.
Abstract（参考訳）: 深層学習法は医学や医療の課題にますます適用されてきている。しかし、これらの方法で正式な訓練を受けた疫学者はほとんどいない。このギャップを埋めるために,本論文では,疫学的観点からの深層学習の基礎を紹介する。具体的には、機械学習の中核的な概念(オーバーフィッティング、正規化、ハイパーパラメータ)をレビューし、いくつかの基本的なディープラーニングアーキテクチャ(畳み込みニューラルネットワーク、リカレントニューラルネットワーク)を説明し、モデルのトレーニング、評価、デプロイを要約する。本研究の目的は,コンピュータ科学者と疫学者との対話を促進し,この技術の安全性と有効性を向上させることによって,ディープラーニングの医学的応用への関与と批判的評価を可能にすることである。

関連論文リスト

A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文参考訳（メタデータ） (2024-02-16T18:05:09Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
Review of deep learning in healthcare [0.0]
本研究では,最先端ネットワーク設計,応用,市場動向の検証を通じて,医療システムにおける深層学習手法について検討する。第一の目的は、ヘルスケアソリューションにおけるディープラーニングモデルの展開に関する詳細な洞察を提供することである。そして最後に、未解決の問題と潜在的な方向性を概説する。
論文参考訳（メタデータ） (2023-10-01T16:58:20Z)
Deep Learning in Deterministic Computational Mechanics [0.0]
本稿では,計算力学の応用よりも深層学習に焦点をあてる。主な聴衆は、この分野に参入しようとしている研究者や、計算力学の深層学習の概観を得ようとする研究者である。
論文参考訳（メタデータ） (2023-09-27T05:57:19Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Deep Recurrent Encoder: A scalable end-to-end network to model brain signals [122.1055193683784]
複数の被験者の脳応答を一度に予測するために訓練されたエンドツーエンドのディープラーニングアーキテクチャを提案する。 1時間の読解作業で得られた大脳磁図(meg)記録を用いて,このアプローチを検証した。
論文参考訳（メタデータ） (2021-03-03T11:39:17Z)
Learning Contact Dynamics using Physically Structured Neural Networks [81.73947303886753]
ディープニューラルネットワークと微分方程式の接続を用いて、オブジェクト間の接触ダイナミクスを表現するディープネットワークアーキテクチャのファミリを設計する。これらのネットワークは,ノイズ観測から不連続な接触事象をデータ効率良く学習できることを示す。以上の結果から,タッチフィードバックの理想化形態は,この学習課題を扱いやすくするための重要な要素であることが示唆された。
論文参考訳（メタデータ） (2021-02-22T17:33:51Z)
Artificial Intelligence in Surgery: Neural Networks and Deep Learning [2.562741561534933]
ディープニューラルネットワークは、自動運転車から、放射線学と病理学におけるコンピュータ支援診断まで、最近の人工知能の成功を支えている。手術の高度なデータ集約処理は、そのような計算手法の恩恵を大いに受ける可能性がある。この章と付属するハンズオン素材は、ニューラルネットワークの背後にある直感を理解しようとする外科医のために設計された。
論文参考訳（メタデータ） (2020-09-28T15:25:00Z)
Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。スパイキングニューラルネットワークのハードウェア実装の現状について述べる。本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文参考訳（メタデータ） (2020-05-04T13:24:00Z)
On Interpretability of Artificial Neural Networks: A Survey [21.905647127437685]
我々は、ニューラルネットワークのメカニズムを理解するための最近の研究を体系的にレビューし、特に医学における解釈可能性の応用について述べる。本稿では,ファジィ論理や脳科学などの解釈可能性研究の今後の方向性について論じる。
論文参考訳（メタデータ） (2020-01-08T13:40:42Z)
Deep neural network models for computational histopathology: A survey [1.2891210250935146]
深層学習はがん組織像の分析と解釈において主流の方法論選択となりました本稿では,現在使われている最先端の深層学習手法について概説する。私たちは、現在のディープラーニングアプローチにおける重要な課題と制限と、将来の研究への道のりを強調します。
論文参考訳（メタデータ） (2019-12-28T01:04:25Z)

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。