論文の概要: Learning on Health Fairness and Environmental Justice via Interactive
Visualization
- arxiv url: http://arxiv.org/abs/2211.09967v1
- Date: Fri, 18 Nov 2022 01:21:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:31:13.040482
- Title: Learning on Health Fairness and Environmental Justice via Interactive
Visualization
- Title(参考訳): インタラクティブ・ビジュアライゼーションによる健康公平性と環境正義の学習
- Authors: Abdullah-Al-Raihan Nayeem, Ignacio Segovia-Dominguez, Huikyo Lee,
Dongyun Han, Yuzhou Chen, Zhiwei Zhen, Yulia Gel, and Isaac Cho
- Abstract要約: 本稿では,機械学習のコンセンサス分析を用いたインタラクティブな可視化インタフェースを提案する。
ディープラーニングの強みを活用することで、郡レベルの記録からの知識を含むコンセンサス機械学習モデルを構築します。
現在のインタラクティブインターフェースは、その科学的価値を示すために3つの米国州に焦点を合わせ、3つのケーススタディを提示しました。
- 参考スコア(独自算出の注目度): 9.792020067964758
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces an interactive visualization interface with a machine
learning consensus analysis that enables the researchers to explore the impact
of atmospheric and socioeconomic factors on COVID-19 clinical severity by
employing multiple Recurrent Graph Neural Networks. We designed and implemented
a visualization interface that leverages coordinated multi-views to support
exploratory and predictive analysis of hospitalizations and other
socio-geographic variables at multiple dimensions, simultaneously. By
harnessing the strength of geometric deep learning, we build a consensus
machine learning model to include knowledge from county-level records and
investigate the complex interrelationships between global infectious disease,
environment, and social justice. Additionally, we make use of unique NASA
satellite-based observations which are not broadly used in the context of
climate justice applications. Our current interactive interface focus on three
US states (California, Pennsylvania, and Texas) to demonstrate its scientific
value and presented three case studies to make qualitative evaluations.
- Abstract(参考訳): 本稿では,複数の繰り返しグラフニューラルネットワークを用いて,大気・社会要因がcovid-19臨床重症度に与える影響を検討することを可能にする,機械学習コンセンサス分析を用いたインタラクティブな可視化インタフェースを提案する。
我々は,複数次元の病院と他の社会地理学的変数の探索的および予測的分析を支援するために,協調型多視点を利用した可視化インタフェースを設計,実装した。
幾何学的深層学習の強みを活かし,郡レベルの記録からの知識を含むコンセンサス機械学習モデルを構築し,世界的な感染症,環境,社会正義の複雑な相互関係を調査した。
さらに、nasaの衛星ベースの独自の観測結果を利用し、気候正義の用途では広くは使われない。
現在の対話型インタフェースは3つの米国(カリフォルニア、ペンシルベニア、テキサス)に焦点を当てて科学的価値を実証し、質的評価を行うための3つのケーススタディを提示した。
関連論文リスト
- Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳(メタデータ) (2024-10-15T07:35:51Z) - 3D Gaze Tracking for Studying Collaborative Interactions in Mixed-Reality Environments [3.8075244788223044]
本研究では,複合現実感設定に適した3次元視線追跡のための新しい枠組みを提案する。
提案フレームワークは,現状のコンピュータビジョンと機械学習技術を利用して障害物を克服する。
論文 参考訳(メタデータ) (2024-06-16T16:30:56Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-25T14:20:52Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-12-22T01:20:29Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳(メタデータ) (2022-07-20T13:37:57Z) - From Cities to Series: Complex Networks and Deep Learning for Improved
Spatial and Temporal Analytics* [0.0]
この論文は複雑なネットワークと機械学習技術を組み合わせて、パンデミック、垂直移動、およびストリートネットワークで観察される人間の現象の理解を改善する。
i) 集中治療室における流行の伝播, 天気予報, 患者モニタリングの応用により, 空間的および時間的データで観測される動的なプロセスをモデル化できる新しいニューラルネットワークアーキテクチャ, (ii) ブラジルのすべての都市間における人間の移動性の範囲におけるリンクを分析し予測するための機械学習手法を貢献する。
論文 参考訳(メタデータ) (2022-06-01T11:04:11Z) - Concept Graph Neural Networks for Surgical Video Understanding [42.32951461719802]
本稿では,時間的概念グラフネットワークを用いて,概念知識を時間的分析タスクに統合する方法を提案する。
提案するネットワークでは,大域的知識グラフが手術例の時間的分析に組み込まれ,データに適用される概念や関係の意味を学習する。
論文 参考訳(メタデータ) (2022-02-27T17:32:49Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文 参考訳(メタデータ) (2020-11-04T18:09:58Z) - Graph representation forecasting of patient's medical conditions:
towards a digital twin [0.0]
複数組織におけるACE2過剰発現が心血管機能に及ぼす影響について検討した。
本稿では,分子データを用いた大規模な構成可能な臨床モデルの統合という概念の実証を行う。
論文 参考訳(メタデータ) (2020-09-17T13:49:48Z)
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。