論文の概要: Comment on "Black Box Prediction Methods in Sports Medicine Deserve a Red Card for Reckless Practice: A Change of Tactics is Needed to Advance Athlete Care"

• arxiv url: http://arxiv.org/abs/2204.02402v1
• Date: Tue, 5 Apr 2022 11:26:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-07 14:59:49.390035
• Title: Comment on "Black Box Prediction Methods in Sports Medicine Deserve a Red Card for Reckless Practice: A Change of Tactics is Needed to Advance Athlete Care"
• Title（参考訳）: スポーツ医療におけるブラックボックス予測手法とレッドカード : スポーツケアの推進に戦術の変更が必要である」とのコメント
• Authors: Jakim Berndsen and Derek McHugh
• Abstract要約: スポーツ障害領域におけるブラックボックス傷害リスクアプローチの適用性について,Bullockらによる主張を検討した。 全体として、この分野で機械学習モデルが有用であるためには透明性が必要であることに私たちは同意します。 しかし、著者の懸念に正確に対処し、結論を強く誘惑する研究分野がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we examine the claims made by Bullock et. al. on the applicability of black-box injury risk approaches in the sports injury domain. Overall, we agree that transparency is necessary for Machine Learning models to be useful in this field. However, there are areas of research that address precisely the concerns of the authors and strongly temper their conclusions. In the following we look at how these issues are being tackled by the Machine Learning community.
• Abstract（参考訳）: 本稿では,Bullockらによる主張について考察する。 al. スポーツ障害領域におけるブラックボックス障害リスクアプローチの適用性について 全体として、この分野で機械学習モデルが役に立つためには、透明性が必要であることに同意します。 しかし、著者の懸念に正確に対処し、結論を強く誘惑する研究分野がある。 以下に示すのは、機械学習コミュニティによるこれらの問題への取り組みについてである。

関連論文リスト

• No-Regret Learning of Nash Equilibrium for Black-Box Games via Gaussian Processes [11.846329468283583]
  本稿では,ブラックボックスゲームにおける学習の課題について検討する。 我々はガウス過程を利用してそのようなゲームの平衡を同定する非回帰学習アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-05-14T04:58:23Z)
• FLIRT: Feedback Loop In-context Red Teaming [79.63896510559357]
  ブラックボックスモデルを評価し,その脆弱性を明らかにする自動レッドチーム化フレームワークを提案する。 私たちのフレームワークは、レッドチームモデルに対するフィードバックループでコンテキスト内学習を使用し、それらを安全でないコンテンツ生成にトリガーします。
  論文  参考訳（メタデータ） (2023-08-08T14:03:08Z)
• Fair Machine Learning in Healthcare: A Review [90.22219142430146]
  我々は、機械学習と医療格差における公正性の交差を分析する。 機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。 本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
  論文  参考訳（メタデータ） (2022-06-29T04:32:10Z)
• Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
  ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。 本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。 この領域では、非専門家に技術的な用語の定義を提供する。
  論文  参考訳（メタデータ） (2021-08-01T08:54:47Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Automated Tackle Injury Risk Assessment in Contact-Based Sports -- A Rugby Union Example [1.160208922584163]
  タックル・コリジョンに基づくスポーツにおけるビデオ分析は主観的で偏見にさらされる。 タックル・コリジョンに基づくスポーツにおけるマッチング分析の制限は、コンピュータビジョン応用の機会と見なすことができる。 ラグビーユニオンの試合におけるゲーム内タックルリスクを客観的に評価するシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-22T07:51:33Z)
• Assessing and Supplying the Health of Videos Games via Formal Semantics [0.0]
  ビデオゲームは暗黙のメッセージと暗黙のメッセージの両方を持ち、ユーザーの身体的および精神的健康に影響を与える可能性がある。 ゲームに存在する影響、意味、意味は、非常に広く、多層的で複雑である。 形式的・厳密な手法に基づく評価手法を提案する。
  論文  参考訳（メタデータ） (2021-04-10T22:12:31Z)
• A Survey on the Explainability of Supervised Machine Learning [5.5510642465908715]
  ブラックボックスの背後にある決定は、より透明で説明責任があり、人間にとって理解しやすくする必要がある。 本報告では、本質的な定義、説明可能なスーパーバイザード・機械学習の原理と方法論の概要について述べる。
  論文  参考訳（メタデータ） (2020-11-16T11:25:39Z)
• Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
  調査結果から行動学的結論を推測できない点を指摘する。 我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
  論文  参考訳（メタデータ） (2020-06-01T15:00:11Z)
• Spanning Attack: Reinforce Black-box Attacks with Unlabeled Data [96.92837098305898]
  Black-box攻撃は、機械学習モデルのインプット・アウトプットペアをクエリすることで、敵の摂動を発生させることを目的としている。 ブラックボックス攻撃はしばしば、入力空間の高次元性のためにクエリ非効率性の問題に悩まされる。 本研究では,低次元部分空間における逆摂動を,補助的なラベルのないデータセットに分散させることで抑制するスパンニング攻撃と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-05-11T05:57:15Z)
• The Application of Machine Learning Techniques for Predicting Results in Team Sport: A Review [0.0]
  我々は,1996年から2019年までのチームスポーツの結果を予測するために機械学習を用いた研究のレビューを行った。 本稿は、この分野でMLアルゴリズムが使われる傾向にあることや、成功した結果に現れ始めていることの洞察を提供する。
  論文  参考訳（メタデータ） (2019-12-26T03:12:21Z)

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。