論文の概要: Planning and Scheduling in Digital Health with Answer Set Programming

• arxiv url: http://arxiv.org/abs/2208.03099v1
• Date: Fri, 5 Aug 2022 10:51:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-08 12:58:42.618836
• Title: Planning and Scheduling in Digital Health with Answer Set Programming
• Title（参考訳）: 解答セットプログラミングによるデジタルヘルスの計画とスケジューリング
• Authors: Marco Mochi
• Abstract要約: 医療の問題は、解決するためには、いくつかの制約と異なるタイプのリソースを考慮する必要があるため、複雑である。 我々は、すでにテスト済みのソリューションを拡張したり、新しい問題に対するソリューションをモデル化することで、このような問題の解決策を提案する予定です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the hospital world there are several complex combinatory problems, and solving these problems is important to increase the degree of patients' satisfaction and the quality of care offered. The problems in the healthcare are complex since to solve them several constraints and different type of resources should be taken into account. Moreover, the solutions must be evaluated in a small amount of time to ensure the usability in real scenarios. We plan to propose solutions to these kind of problems both expanding already tested solutions and by modelling solutions for new problems, taking into account the literature and by using real data when available. Solving these kind of problems is important but, since the European Commission established with the General Data Protection Regulation that each person has the right to ask for explanation of the decision taken by an AI, without developing Explainability methodologies the usage of AI based solvers e.g. those based on Answer Set programming will be limited. Thus, another part of the research will be devoted to study and propose new methodologies for explaining the solutions obtained.
• Abstract（参考訳）: 病院の世界にはいくつかの複雑な複合的問題があり、患者の満足度やケアの質を高めるためにこれらの問題を解決することが重要である。 医療における問題は、いくつかの制約を解決するために複雑であり、異なる種類のリソースを考慮すべきである。 さらに、実際のシナリオでユーザビリティを保証するために、ソリューションを短時間で評価する必要があります。 我々は、既にテスト済みのソリューションを拡大し、新しい問題に対するモデリングソリューションによって、文献を考慮し、利用可能な時に実際のデータを使用することで、これらの問題の解決策を提案する予定です。 この種の問題の解決は重要であるが、欧州委員会は一般データ保護規則(General Data Protection Regulation)を制定したので、説明可能性の方法論を開発せずに、各人がAIによる決定の説明を求める権利があるので、例えばAnswer Setプログラミングに基づくようなAIベースの解法の使用は制限される。 したがって、研究の別の部分は、得られたソリューションを説明するための新しい方法論の研究と提案に費やされる。

関連論文リスト

• Increasing the Value of Information During Planning in Uncertain Environments [0.0]
  我々は,情報収集行動の価値をよりよく反映して,最先端のオンライン計画を改善する新しいアルゴリズムを開発した。 結果,新しいアルゴリズムはPOMCPよりも高い性能を示した。
  論文  参考訳（メタデータ） (2024-09-14T22:04:34Z)
• Estimating Difficulty Levels of Programming Problems with Pre-trained Model [18.92661958433282]
  プログラミング問題の難易度は、生徒の適応学習を導く上で不可欠な基準となっている。 テキスト記述とコードの解の例から,各プログラム問題の難易度自動推定の問題を定式化する。 この問題に対処するため,テキストモダリティとコードモダリティの2つの事前学習モデルを統一モデルに分割することを提案する。
  論文  参考訳（メタデータ） (2024-06-13T05:38:20Z)
• Learning Task Decomposition to Assist Humans in Competitive Programming [90.4846613669734]
  タスク分解学習のための新しい目的,いわゆる値(AssistV)を導入する。 我々は、さまざまな分解されたソリューションに対して、人間の修理経験のデータセットを収集する。 人間の177時間以内の研究では、非専門家が33.3%の問題を解き、それらを3.3倍スピードアップさせ、無支援の専門家にマッチさせる権限を与える。
  論文  参考訳（メタデータ） (2024-06-07T03:27:51Z)
• On solving decision and risk management problems subject to uncertainty [91.3755431537592]
  不確実性は意思決定とリスク管理において広範囲にわたる課題である。 本稿では,このような戦略を体系的に理解し,その適用範囲を判断し,それらをうまく活用するための枠組みを開発する。
  論文  参考訳（メタデータ） (2023-01-18T19:16:23Z)
• A Mutual Information Maximization Approach for the Spurious Solution Problem in Weakly Supervised Question Answering [60.768146126094955]
  弱々しい教師付き質問応答は通常、最終的な答えのみを監督信号として持つ。 偶然に正解を導出する刺激的な解が多数存在するかもしれないが、そのような解の訓練はモデルの性能を損なう可能性がある。 本稿では,質問応答対と予測解間の相互情報の最大化により,このような意味的相関を明示的に活用することを提案する。
  論文  参考訳（メタデータ） (2021-06-14T05:47:41Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Discovering Diverse Solutions in Deep Reinforcement Learning [84.45686627019408]
  強化学習アルゴリズムは通常、特定のタスクの単一のソリューションを学ぶことに限定される。 連続的あるいは離散的な低次元潜在変数に条件付きポリシーを訓練することにより、無限に多くの解を学習できるRL法を提案する。
  論文  参考訳（メタデータ） (2021-03-12T04:54:31Z)
• Learning Combined Set Covering and Traveling Salesman Problem [2.0407204637672893]
  本研究では,集合被覆とトラベリングセールスマンの複合問題について検討し,この問題を解くために整数プログラミングの混合式を提供する。 最適なポリシーを定期的に更新する必要があるアプリケーションに動機付け,この問題を効果的に処理するための機械学習アプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-07T05:11:28Z)
• Learning What to Defer for Maximum Independent Sets [84.00112106334655]
  本稿では,各段階における解の要素的決定を学習することにより,エージェントが適応的に段階数を縮小あるいは拡張する,新たなDRL方式を提案する。 提案手法を最大独立集合(MIS)問題に適用し、現状のDRL方式よりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2020-06-17T02:19:31Z)
• Investigating Constraint Programming and Hybrid Methods for Real World Industrial Test Laboratory Scheduling [10.568851068989973]
  本稿では,この問題に対する制約プログラミングモデルと探索戦略について述べる。 CPソルバとMIPソルバを用いて実世界の実験室データと異なるサイズの生成されたインスタンスのセットを用いて評価を行った。
  論文  参考訳（メタデータ） (2019-11-12T10:03:16Z)

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。