論文の概要: Learning to Act: Novel Integration of Algorithms and Models for Epidemic Preparedness

• arxiv url: http://arxiv.org/abs/2210.02055v1
• Date: Wed, 5 Oct 2022 07:13:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 14:38:13.233469
• Title: Learning to Act: Novel Integration of Algorithms and Models for Epidemic Preparedness
• Title（参考訳）: 行動への学習: エピデミック準備のためのアルゴリズムとモデルの新しい統合
• Authors: Sekou L. Remy, Oliver E. Bent
• Abstract要約: 本稿では、疫学モデルからアルゴリズムが学習し、疫病予防のためにその価値をスケールする方法を具体的に示す。 本論文の目的は,特定のモデルやアルゴリズムを詳細に検討することではなく,エビデンスに基づく意思決定を促進するために,それらをどのように結合し,共有するかを明らかにすることである。
• 参考スコア（独自算出の注目度）: 3.4918511133757977
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we present a framework which may transform research and praxis in epidemic planning. Introduced in the context of the ongoing COVID-19 pandemic, we provide a concrete demonstration of the way algorithms may learn from epidemiological models to scale their value for epidemic preparedness. Our contributions in this work are two fold: 1) a novel platform which makes it easy for decision making stakeholders to interact with epidemiological models and algorithms developed within the Machine learning community, and 2) the release of this work under the Apache-2.0 License. The objective of this paper is not to look closely at any particular models or algorithms, but instead to highlight how they can be coupled and shared to empower evidence-based decision making.
• Abstract（参考訳）: 本研究では,疫病対策における研究と実践を変革する枠組みを提案する。 新型コロナウイルス(COVID-19)のパンデミックの状況で導入され、疫学モデルからアルゴリズムが学習し、流行予防のためにその価値を拡大する方法の具体的なデモを提供する。 この作品への私たちの貢献は2つあります 1)機械学習コミュニティ内で開発された疫学モデルやアルゴリズムと、意思決定ステークホルダーが容易に対話できる新しいプラットフォーム。 2) Apache-2.0ライセンス下でのリリース。 本論文の目的は,特定のモデルやアルゴリズムを綿密に検討することではなく,エビデンスに基づく意思決定を促進するためにどのように結合し,共有するかを強調することである。

関連論文リスト

• Selecting Interpretability Techniques for Healthcare Machine Learning models [69.65384453064829]
  医療では、いくつかの意思決定シナリオにおいて、医療専門家を支援するために解釈可能なアルゴリズムを採用することが追求されている。 本稿では, ポストホックとモデルベースという8つのアルゴリズムを概説する。
  論文  参考訳（メタデータ） (2024-06-14T17:49:04Z)
• Learning epidemic trajectories through Kernel Operator Learning: from modelling to optimal control [0.0]
  感染拡大に伴う人口動態を再構築するためのカーネル・オペレーター・ラーニング(KOL)の有効性について検討する。 特にKOL-mとKOL-$partial$という2つの代理モデルを導入する。 提案手法は, 高速かつロバストな予測とシナリオ分析を実現するのにいかに適しているかを示す。
  論文  参考訳（メタデータ） (2024-04-17T07:21:17Z)
• A Review of Graph Neural Networks in Epidemic Modeling [14.28921518883576]
  新型コロナウイルスのパンデミックが始まって以来、疫学モデルの研究への関心が高まっている。 グラフニューラルネットワーク(Graph Neural Networks)は、伝染病の研究において、徐々に人気が高まっているツールだ。
  論文  参考訳（メタデータ） (2024-03-28T21:54:48Z)
• Masked Modeling for Self-supervised Representation Learning on Vision and Beyond [69.64364187449773]
  仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。 マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。 我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
  論文  参考訳（メタデータ） (2023-12-31T12:03:21Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• Exploring the Pareto front of multi-objective COVID-19 mitigation policies using reinforcement learning [1.7056617973440933]
  感染症の発生は公衆衛生や社会プロセスに破壊的な影響を及ぼす可能性がある。 現在の研究は、病原体の攻撃率のような単一の目的でポリシーを最適化することに焦点を当てている。 深層多目的強化学習を適用し,最先端のアルゴリズムを用いて解の集合を学習する。
  論文  参考訳（メタデータ） (2022-04-11T11:55:06Z)
• Compartmental Models for COVID-19 and Control via Policy Interventions [0.0]
  確率型プログラミング言語(PPL)のツールキットを用いてSARS-CoV-2パンデミックの拡散を再現し予測する手法を実証する。 我々のゴールは、様々なモデリング仮定の影響を調査し、感染症の拡散を制限するために制定された政策介入を動機づけることである。 我々は疫学者ではない。この研究の唯一の目的は、新型コロナウイルスの政策決定が現実世界に与える影響を直接推測するのではなく、方法の展示として機能することである。
  論文  参考訳（メタデータ） (2022-03-06T02:50:54Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)
• Learning-based Computer-aided Prescription Model for Parkinson's Disease: A Data-driven Perspective [61.70045118068213]
  我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。 そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。 新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
  論文  参考訳（メタデータ） (2020-07-31T14:34:35Z)
• Simulation-Based Inference for Global Health Decisions [9.850436827722419]
  機械学習における最近のブレークスルー、特にシミュレーションベースの推論について論じる。 研究をさらに刺激するために、新型コロナウイルスとマラリア疫学モデルを確率的プログラムに変えるソフトウェアインターフェースを開発している。
  論文  参考訳（メタデータ） (2020-05-14T15:29:45Z)

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。