論文の概要: eXplainable Artificial Intelligence (XAI) in age prediction: A
systematic review
- arxiv url: http://arxiv.org/abs/2307.13704v1
- Date: Fri, 21 Jul 2023 18:06:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-30 03:56:32.955928
- Title: eXplainable Artificial Intelligence (XAI) in age prediction: A
systematic review
- Title(参考訳): 年齢予測におけるeXplainable Artificial Intelligence(XAI)の意義
- Authors: Alena Kalyakulina and Igor Yusipov
- Abstract要約: 年齢予測タスクへのXAIアプローチの適用について論じる。
我々は,身体システムによって組織された研究の体系的なレビューを行い,医療応用におけるXAIのメリットについて論じる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: eXplainable Artificial Intelligence (XAI) is now an important and essential
part of machine learning, allowing to explain the predictions of complex
models. XAI is especially required in risky applications, particularly in
health care, where human lives depend on the decisions of AI systems. One area
of medical research is age prediction and identification of biomarkers of aging
and age-related diseases. However, the role of XAI in the age prediction task
has not previously been explored directly. In this review, we discuss the
application of XAI approaches to age prediction tasks. We give a systematic
review of the works organized by body systems, and discuss the benefits of XAI
in medical applications and, in particular, in the age prediction domain.
- Abstract(参考訳): eXplainable Artificial Intelligence (XAI)は現在、機械学習の重要な部分であり、複雑なモデルの予測を説明することができる。
XAIは特にリスクの高いアプリケーション、特に人間の生活がAIシステムの決定に依存する医療において必要である。
医学研究の1つの領域は、年齢予測と年齢関連疾患のバイオマーカーの同定である。
しかし, 年齢予測タスクにおけるXAIの役割は, 直接的に検討されていない。
本稿では,年齢予測タスクへのXAIアプローチの適用について論じる。
我々は、身体システムによって組織された研究の体系的なレビューを行い、医療応用、特に年齢予測領域におけるXAIの利点について議論する。
関連論文リスト
- Explainable Artificial Intelligence Techniques for Accurate Fault Detection and Diagnosis: A Review [0.0]
この文脈でeXplainable AI(XAI)ツールとテクニックをレビューする。
私たちは、AI決定を透明にする彼らの役割、特に人間が関与する重要なシナリオに重点を置いています。
モデル性能と説明可能性のバランスをとることを目的とした,現在の限界と今後の研究について論じる。
論文 参考訳(メタデータ) (2024-04-17T17:49:38Z) - Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。
本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。
本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
論文 参考訳(メタデータ) (2024-04-13T02:39:36Z) - How Human-Centered Explainable AI Interface Are Designed and Evaluated: A Systematic Survey [48.97104365617498]
Em Explainable Interfaces (EIs) の登場する領域は,XAI のユーザインターフェースとユーザエクスペリエンス設計に重点を置いている。
本稿では,人間とXAIの相互作用の現在の動向と,EI設計・開発に向けた将来的な方向性を明らかにするために,53の出版物を体系的に調査する。
論文 参考訳(メタデータ) (2024-03-21T15:44:56Z) - An Explainable AI Framework for Artificial Intelligence of Medical
Things [2.7774194651211217]
我々はカスタムXAIフレームワークを活用し、LIME(Local Interpretable Model-Agnostic Explanations)、SHAP(SHapley Additive ExPlanations)、Grad-Cam(Grad-weighted Class Activation Mapping)といったテクニックを取り入れた。
提案手法は, 戦略的医療手法の有効性を高め, 信頼度を高め, 医療応用の理解を促進することを目的としている。
我々はXAIフレームワークを脳腫瘍検出に応用し,正確かつ透明な診断方法を示した。
論文 参考訳(メタデータ) (2024-03-07T01:08:41Z) - XAI meets Biology: A Comprehensive Review of Explainable AI in
Bioinformatics Applications [5.91274133032321]
説明可能なAI(XAI)は、バイオインフォマティクスにおけるAIモデルの透明性と解釈可能性を高めるための有望なソリューションとして登場した。
本総説では, バイオインフォマティクス分野における各種XAI技術とその応用について概説する。
論文 参考訳(メタデータ) (2023-12-11T03:08:18Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Explainable Artificial Intelligence for Drug Discovery and Development
-- A Comprehensive Survey [11.331107195122147]
薬物発見の分野は、人工知能(AI)と機械学習(ML)技術の出現とともに、顕著な変革を経験してきた。
これらのAIとMLモデルはますます複雑になりつつあるため、モデルの透明性と解釈可能性の必要性が高まっている。
XAIはこの問題に対処し、機械学習モデルによる予測をより解釈可能な理解を提供する新しいアプローチである。
論文 参考訳(メタデータ) (2023-09-21T15:36:06Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - A Review on Explainable Artificial Intelligence for Healthcare: Why,
How, and When? [0.0]
我々は、説明可能な人工知能(XAI)の体系的分析を行う。
このレビューでは、XAIの主流傾向を分析し、研究の方向性について概説する。
本稿では、医療分野におけるAIモデルの記述から信頼できるAIをどのように導き出すことができるかを説明する。
論文 参考訳(メタデータ) (2023-04-10T17:40:21Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-31T19:20:22Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳(メタデータ) (2021-09-27T09:56:23Z)
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。
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。