Fugu-MT 論文翻訳(概要): Information Fusion via Symbolic Regression: A Tutorial in the Context of Human Health

論文の概要: Information Fusion via Symbolic Regression: A Tutorial in the Context of Human Health

arxiv url: http://arxiv.org/abs/2306.00153v1
Date: Wed, 31 May 2023 19:52:17 GMT
ステータス: 処理完了
システム内更新日: 2023-06-02 19:39:24.313813
Title: Information Fusion via Symbolic Regression: A Tutorial in the Context of Human Health
Title（参考訳）: シンボリック・リグレッションによる情報融合:人間の健康の文脈におけるチュートリアル
Authors: Jennifer J. Schnur and Nitesh V. Chawla
Abstract要約: 解釈可能なモデリングは、情報融合の成功評価を支援するための実践的な方法である、と我々は主張する。本研究では,NHANES(National Health and Nutrition Examination Survey)データを用いた健康・栄養分野の応用を実証する。 SRモデリングに係わる利点と課題について考察し,質的,定量的な分析を行う。
参考スコア（独自算出の注目度）: 17.478900028887537
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This tutorial paper provides a general overview of symbolic regression (SR) with specific focus on standards of interpretability. We posit that interpretable modeling, although its definition is still disputed in the literature, is a practical way to support the evaluation of successful information fusion. In order to convey the benefits of SR as a modeling technique, we demonstrate an application within the field of health and nutrition using publicly available National Health and Nutrition Examination Survey (NHANES) data from the Centers for Disease Control and Prevention (CDC), fusing together anthropometric markers into a simple mathematical expression to estimate body fat percentage. We discuss the advantages and challenges associated with SR modeling and provide qualitative and quantitative analyses of the learned models.
Abstract（参考訳）: 本チュートリアルでは,解釈可能性の基準に特に焦点をあてた記号回帰(SR)の概要を概説する。解釈可能なモデリングは、その定義はまだ文献で議論されているが、情報融合を成功させるための実践的な方法であると仮定する。 SRの利点をモデリング手法として示すため,国立衛生栄養検査センター (NHANES) のデータを用いて, 人体脂肪率を推定するために, 人為的マーカーを単純な数学的表現に融合させ, 健康・栄養分野の応用を実証した。本稿では、SRモデリングに関連する利点と課題について論じ、学習モデルの質的および定量的分析を行う。

関連論文リスト

Analyzing Generative Models by Manifold Entropic Metrics [8.477943884416023]
抽出可能な情報理論評価指標を新たに導入する。 EMNISTデータセット上の各種正規化フローアーキテクチャと$beta$-VAEを比較した。私たちの実験で最も興味深い発見は、トレーニング中に整列および非整合表現に収束する誘導バイアスの観点から、モデルアーキテクチャとトレーニング手順のランク付けです。
論文参考訳（メタデータ） (2024-10-25T09:35:00Z)
Relational Learning in Pre-Trained Models: A Theory from Hypergraph Recovery Perspective [60.64922606733441]
我々は,関係学習をハイパーグラフリカバリとして形式化する数学的モデルを導入し,基礎モデル(FM)の事前学習について検討する。我々のフレームワークでは、世界はハイパーグラフとして表現され、データはハイパーエッジからランダムなサンプルとして抽象化される。我々は、このハイパーグラフを復元するための事前学習モデル(PTM)の有効性を理論的に検証し、ミニマックスに近い最適スタイルでデータ効率を解析する。
論文参考訳（メタデータ） (2024-06-17T06:20:39Z)
VALOR-EVAL: Holistic Coverage and Faithfulness Evaluation of Large Vision-Language Models [57.43276586087863]
LVLM(Large Vision-Language Models)は幻覚に悩まされ、このモデルでは可聴音を発生させるが、実際には誤出力を発生させる。既存のベンチマークはスコープに限られており、主にオブジェクト幻覚に焦点を当てている。対象,属性,関係を多次元のベンチマークで表現し,連想バイアスに基づいて画像を選択する。
論文参考訳（メタデータ） (2024-04-22T04:49:22Z)
Evaluating Explanatory Capabilities of Machine Learning Models in Medical Diagnostics: A Human-in-the-Loop Approach [0.0]
我々は、膵癌治療の確立に関係するさまざまな特徴の重要性を確立するために、Human-in-the-Loop関連技術と医療ガイドラインをドメイン知識の源泉として使用しています。本稿では,説明結果の解釈を容易にするため,重み付きジャカード類似度係数などの類似度尺度を提案する。
論文参考訳（メタデータ） (2024-03-28T20:11:34Z)
Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。深層学習は、医療を含む様々な応用においてその優位性を示している。
論文参考訳（メタデータ） (2024-02-02T00:31:01Z)
QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文参考訳（メタデータ） (2023-11-06T00:21:44Z)
Interpretable Medical Image Classification using Prototype Learning and Privileged Information [0.0]
解釈可能性はしばしば医療画像に必須の要件である。本研究では,学習プロセスで利用可能な追加情報を用いて,理解しやすく強力なモデルを構築することができるかを検討する。本稿では,カプセルネットワーク,プロトタイプ学習,特権情報の利用といったメリットを活用する,Proto-Capsと呼ばれる革新的なソリューションを提案する。
論文参考訳（メタデータ） (2023-10-24T11:28:59Z)
Explainable AI for Malnutrition Risk Prediction from m-Health and Clinical Data [3.093890460224435]
異種m-healthデータに基づく早期かつ説明可能な栄養失調リスク検出のための新しいAIフレームワークを提案する。対象非依存および個人化予測を含む広範囲なモデル評価を行った。また,グローバルモデル記述を抽出するベンチマークXAI法についても検討した。
論文参考訳（メタデータ） (2023-05-31T08:07:35Z)
Informing clinical assessment by contextualizing post-hoc explanations of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文参考訳（メタデータ） (2023-02-11T18:07:11Z)
Algebraic Learning: Towards Interpretable Information Modeling [0.0]
この論文は、一般的な情報モデリングにおける解釈可能性の問題に対処し、問題を2つの範囲から緩和する試みである。まず、問題指向の視点を用いて、興味深い数学的性質が自然に現れるモデリング実践に知識を取り入れる。第二に、訓練されたモデルを考えると、基礎となるシステムに関するさらなる洞察を抽出するために様々な方法を適用することができる。
論文参考訳（メタデータ） (2022-03-13T15:53:39Z)
Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
論文参考訳（メタデータ） (2020-09-07T03:51:35Z)

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。