Fugu-MT 論文翻訳(概要): Optimizing Deep Learning Model Parameters with the Bees Algorithm for Improved Medical Text Classification

論文の概要: Optimizing Deep Learning Model Parameters with the Bees Algorithm for Improved Medical Text Classification

arxiv url: http://arxiv.org/abs/2303.08021v1
Date: Tue, 14 Mar 2023 16:04:13 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 14:15:16.083362
Title: Optimizing Deep Learning Model Parameters with the Bees Algorithm for Improved Medical Text Classification
Title（参考訳）: ミツバチアルゴリズムを用いた深層学習モデルパラメータの最適化による医用テキスト分類の改善
Authors: Mai A. Shaaban, Mariam Kashkash, Maryam Alghfeli, Adham Ibrahim
Abstract要約: 本稿では,ビーズアルゴリズムを用いて,ディープラーニングモデルの最適パラメータを得るための新しいメカニズムを提案する。医療用テキストに基づく病状分類の精度を最大化する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces a novel mechanism to obtain the optimal parameters of a deep learning model using the Bees Algorithm, which is a recent promising swarm intelligence algorithm. The optimization problem is to maximize the accuracy of classifying ailments based on medical text given the initial hyper-parameters to be adjusted throughout a definite number of iterations. Experiments included two different datasets: English and Arabic. The highest accuracy achieved is 99.63% on the English dataset using Long Short-Term Memory (LSTM) along with the Bees Algorithm, and 88% on the Arabic dataset using AraBERT.
Abstract（参考訳）: 本稿では,最近期待されているswarm intelligenceアルゴリズムであるbeesアルゴリズムを用いて,ディープラーニングモデルの最適パラメータを得るための新しいメカニズムを提案する。最適化問題は,初期過度パラメータが一定回数の反復で調整される場合の医療用テキストに基づく病気の分類精度を最大化することである。実験には英語とアラビア語の2つの異なるデータセットが含まれていた。最も高い精度は、Long Short-Term Memory (LSTM) と Bees Algorithm を用いた英語データセットで99.63%、AraBERT を用いたアラビアデータセットで88%である。

関連論文リスト

Feature selection algorithm based on incremental mutual information and cockroach swarm optimization [12.297966427336124]
インクリメンタルな相互情報に基づく改良型Swarm知的最適化法(IMIICSO)を提案する。この方法は、グループアルゴリズムのグローバル検索をガイドするために、決定テーブルの削減知識を抽出する。改良されたゴキブリ群最適化アルゴリズムによって選択された特徴部分集合の精度は、インクリメンタルな相互情報に基づいて、元のスワム知能最適化アルゴリズムと同等か、ほぼ同程度である。
論文参考訳（メタデータ） (2023-02-21T08:51:05Z)
HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。 HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文参考訳（メタデータ） (2022-10-31T14:06:11Z)
Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文参考訳（メタデータ） (2022-10-02T05:03:38Z)
A Tent L\'evy Flying Sparrow Search Algorithm for Feature Selection: A COVID-19 Case Study [1.6436293069942312]
情報科学の急速な発展によって引き起こされる「次元のカルス」は、大きなデータセットを扱う際に悪影響を及ぼす可能性がある。本研究では,スナロー探索アルゴリズム(SSA)の変種であるTent L'evy Flying Sparrow Searchアルゴリズム(TFSSA)を提案する。 TFSSAは、分類のためにパッキングパターンにおける機能の最も優れたサブセットを選択するために使用される。
論文参考訳（メタデータ） (2022-09-20T15:12:10Z)
Fast Bayesian Optimization of Needle-in-a-Haystack Problems using Zooming Memory-Based Initialization [73.96101108943986]
Needle-in-a-Haystack問題は、データセットのサイズに対して最適な条件が極端に不均衡であるときに発生する。本稿では,従来のベイズ最適化原理に基づくズームメモリに基づく初期化アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-08-26T23:57:41Z)
Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
論文参考訳（メタデータ） (2022-02-22T18:37:23Z)
Automatic tuning of hyper-parameters of reinforcement learning algorithms using Bayesian optimization with behavioral cloning [0.0]
強化学習(RL)では、学習エージェントが収集したデータの情報内容は多くのハイパーパラメータの設定に依存する。本研究では,ベイズ最適化を用いた自律的ハイパーパラメータ設定手法を提案する。実験は、他の手作業による調整や最適化ベースのアプローチと比較して、有望な結果を示している。
論文参考訳（メタデータ） (2021-12-15T13:10:44Z)
RSO: A Novel Reinforced Swarm Optimization Algorithm for Feature Selection [0.0]
本稿では,Reinforced Swarm Optimization (RSO) という特徴選択アルゴリズムを提案する。このアルゴリズムは、広く使われているBee Swarm Optimization (BSO)アルゴリズムとReinforcement Learning (RL)アルゴリズムを組み込んで、優れた検索エージェントの報酬を最大化し、劣悪なエージェントを罰する。提案手法は、バランスの取れたデータと不均衡なデータの完全なブレンドを含む、広く知られている25のUCIデータセットで評価される。
論文参考訳（メタデータ） (2021-07-29T17:38:04Z)
New Oracle-Efficient Algorithms for Private Synthetic Data Release [52.33506193761153]
微分プライベートな合成データを構築するための3つの新しいアルゴリズムを提案する。アルゴリズムは最悪の場合でも差分プライバシーを満たす。現状の手法である高次元行列機構 citeMcKennaMHM18 と比較すると,我々のアルゴリズムは大規模作業負荷の精度が向上する。
論文参考訳（メタデータ） (2020-07-10T15:46:05Z)
A Scalable Feature Selection and Opinion Miner Using Whale Optimization Algorithm [6.248184589339059]
機能選択技術を使用することで、データの理解が向上するだけでなく、スピードと正確性も向上する。本稿では,Whale Optimizationアルゴリズムを,特徴量の最適部分集合の探索に適用する。
論文参考訳（メタデータ） (2020-04-21T01:08:45Z)
Stepwise Model Selection for Sequence Prediction via Deep Kernel Learning [100.83444258562263]
本稿では,モデル選択の課題を解決するために,新しいベイズ最適化(BO)アルゴリズムを提案する。結果として得られる複数のブラックボックス関数の最適化問題を協調的かつ効率的に解くために,ブラックボックス関数間の潜在的な相関を利用する。我々は、シーケンス予測のための段階的モデル選択(SMS)の問題を初めて定式化し、この目的のために効率的な共同学習アルゴリズムを設計し、実証する。
論文参考訳（メタデータ） (2020-01-12T09:42:19Z)

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。