Fugu-MT 論文翻訳(概要): Statistical Tests for Replacing Human Decision Makers with Algorithms

論文の概要: Statistical Tests for Replacing Human Decision Makers with Algorithms

arxiv url: http://arxiv.org/abs/2306.11689v2
Date: Sat, 07 Dec 2024 09:24:30 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-10 14:50:49.342944
Title: Statistical Tests for Replacing Human Decision Makers with Algorithms
Title（参考訳）: アルゴリズムを用いた人間の意思決定者更新のための統計的テスト
Authors: Kai Feng, Han Hong, Ke Tang, Jingyuan Wang,
Abstract要約: 各人間の意思決定者のパフォーマンスは、マシン予測のパフォーマンスとベンチマークされる。我々は、意思決定者のサブセットによる診断を、機械学習アルゴリズムの推奨で置き換える。
参考スコア（独自算出の注目度）: 28.599945110025406
License:
Abstract: This paper proposes a statistical framework of using artificial intelligence to improve human decision making. The performance of each human decision maker is benchmarked against that of machine predictions. We replace the diagnoses made by a subset of the decision makers with the recommendation from the machine learning algorithm. We apply both a heuristic frequentist approach and a Bayesian posterior loss function approach to abnormal birth detection using a nationwide dataset of doctor diagnoses from prepregnancy checkups of reproductive age couples and pregnancy outcomes. We find that our algorithm on a test dataset results in a higher overall true positive rate and a lower false positive rate than the diagnoses made by doctors only.
Abstract（参考訳）: 本稿では,人間の意思決定を改善するために人工知能を用いる統計的枠組みを提案する。各人間の意思決定者のパフォーマンスは、マシン予測のパフォーマンスとベンチマークされる。我々は、意思決定者のサブセットによる診断を、機械学習アルゴリズムの推奨で置き換える。繁殖年齢カップルの妊娠前診断と妊娠結果から全国の医師診断データセットを用いて、ヒューリスティックな頻繁性アプローチとベイズ的後遺失機能アプローチの両方を適用した。検査データセット上のアルゴリズムは,医師による診断よりも総合的な正の率と偽陽性の率が高いことが判明した。

関連論文リスト

Two new feature selection methods based on learn-heuristic techniques for breast cancer prediction: A comprehensive analysis [6.796017024594715]
帝国主義競争アルゴリズム(ICA)とバットアルゴリズム(BA)に基づく2つの新しい特徴選択法を提案する。本研究は, 診断モデルの効率を向上し, 臨床医師がこれまでよりもはるかに正確かつ信頼性の高い意思決定を行えるよう包括的分析を行うことを目的とする。
論文参考訳（メタデータ） (2024-07-19T19:07:53Z)
The Limits of Fair Medical Imaging AI In The Wild [43.97266228706059]
医療用AIが人口統計エンコーディングをどのように利用するかを検討する。医療画像AIは、疾患分類において、人口動態のショートカットを利用することを確認した。人口統計属性のエンコーディングが少ないモデルは、しばしば「グローバルに最適」であることがわかった。
論文参考訳（メタデータ） (2023-12-11T18:59:50Z)
An Improved Model Ensembled of Different Hyper-parameter Tuned Machine Learning Algorithms for Fetal Health Prediction [1.332560004325655]
本研究では,胎児の健康状態を予測するために,Support Vector MachineとExtraTreesのアンサンブルと呼ばれる頑健なアンサンブルモデルを提案する。提案したETSEモデルは、100%精度、100%リコール、100%F1スコア、99.66%精度で他のモデルより優れていた。
論文参考訳（メタデータ） (2023-05-26T16:40:44Z)
Predicting Adverse Neonatal Outcomes for Preterm Neonates with Multi-Task Learning [51.487856868285995]
われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
論文参考訳（メタデータ） (2023-03-28T00:44:06Z)
Efficient error and variance estimation for randomized matrix computations [0.7366405857677227]
本稿では,ランダム化された低ランク近似のための残差誤差推定器と,ランダム化された行列の出力のばらつきを推定するためのジャックニフ再サンプリング法を提案する。どちらの診断も、ランダム化SVDやランダム化Nystr"om近似のようなランダム化低ランク近似アルゴリズムの計算が高速である。
論文参考訳（メタデータ） (2022-07-13T16:57:35Z)
Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2020-09-25T01:50:15Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)
Anomaly Detection in Univariate Time-series: A Survey on the State-of-the-Art [0.0]
時系列データの異常検出は、長い間重要な研究分野であった。近年,時系列の異常を検出する機械学習アルゴリズムが増えている。研究者たちは、(ディープ)ニューラルネットワークを使ってこれらの技術を改善しようとした。
論文参考訳（メタデータ） (2020-04-01T13:22:34Z)
Overly Optimistic Prediction Results on Imbalanced Data: a Case Study of Flaws and Benefits when Applying Over-sampling [13.463035357173045]
データを相互に排他的なトレーニングとテストセットに分割する前にオーバーサンプリングを適用する。この結果が,2つの人工データセットを用いて偏りを生じさせ,この欠陥が同定された研究結果を再現することを示す。
論文参考訳（メタデータ） (2020-01-15T12:53:23Z)

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。