論文の概要: Date-Driven Approach for Identifying State of Hemodialysis Fistulas:
Entropy-Complexity and Formal Concept Analysis
- arxiv url: http://arxiv.org/abs/2309.14399v1
- Date: Mon, 25 Sep 2023 16:15:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 16:38:12.904560
- Title: Date-Driven Approach for Identifying State of Hemodialysis Fistulas:
Entropy-Complexity and Formal Concept Analysis
- Title(参考訳): 血液透析患者の状態同定のための日付駆動アプローチ--エントロピー・コンプレキシティと形式的概念分析
- Authors: Vasilii A. Gromov, E.I. Zvorykina, Yurii N. Beschastnov, and Majid
Sohrabi
- Abstract要約: 本稿では,通常の時系列とカオス時系列を区別する数学的手法について検討する。
本研究は,正常および病理機能障害の応答列を分類するための耐雑音性手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper explores mathematical methods that differentiate regular and
chaotic time series, specifically for identifying pathological fistulas. It
proposes a noise-resistant method for classifying responding rows of normally
and pathologically functioning fistulas. This approach is grounded in the
hypothesis that laminar blood flow signifies normal function, while turbulent
flow indicates pathology. The study explores two distinct methods for
distinguishing chaotic from regular time series. The first method involves
mapping the time series onto the entropy-complexity plane and subsequently
comparing it to established clusters. The second method, introduced by the
authors, constructs a concepts-objects graph using formal concept analysis.
Both of these methods exhibit high efficiency in determining the state of the
fistula.
- Abstract(参考訳): 本論文は, 正常時系列とカオス時系列を区別する数学的手法について検討する。
本研究は,正常および病理機能障害の応答列を分類するための耐雑音性手法を提案する。
このアプローチは、層流が正常な機能を示し、乱流が病理を表わすという仮説に基づいている。
この研究は、通常の時系列とカオスを区別する2つの異なる方法を探究した。
最初の方法は、時系列をエントロピー-複素平面にマッピングし、その後、確立されたクラスタと比較することである。
第2の方法は、著者らが導入した、形式的概念分析を用いた概念対象グラフである。
いずれの方法も,fistulaの状態を決定する上で高い効率を示す。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Topological Detection of Phenomenological Bifurcations with Unreliable
Kernel Densities [0.5874142059884521]
現象論的(P型)分岐は力学系の定性的変化である。
これらの分岐を検出する技術の現状は、システム実現のアンサンブルから計算される信頼性の高いカーネル密度推定を必要とする。
本研究では, 信頼できない密度推定を用いたP型分岐の検出手法を提案する。
論文 参考訳(メタデータ) (2024-01-29T20:59:25Z) - Diffusion-Driven Generative Framework for Molecular Conformation
Prediction [0.66567375919026]
機械学習の急速な進歩は、この文脈における予測モデリングの精度に革命をもたらした。
本研究は,最先端な生成手法を提案する。
メソッドは原子を独立した実体とみなし、拡散の逆転を導くのに優れている。
論文 参考訳(メタデータ) (2023-12-22T11:49:39Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - Identifiability and Asymptotics in Learning Homogeneous Linear ODE
Systems from Discrete Observations [132.317721820131]
通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。
理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。
本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
論文 参考訳(メタデータ) (2022-10-12T06:46:38Z) - Direct Embedding of Temporal Network Edges via Time-Decayed Line Graphs [51.51417735550026]
時間的ネットワーク上での機械学習の方法は、一般的に2つの制限のうちの少なくとも1つを示す。
ネットワークのライングラフは,各インタラクションのノードを含むもので,インタラクション間の時間差に基づいて,このグラフのエッジを重み付けする。
実世界のネットワークにおける実験結果から,エッジ分類と時間リンク予測の両方において,本手法の有効性と有効性を示す。
論文 参考訳(メタデータ) (2022-09-30T18:24:13Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳(メタデータ) (2022-06-16T17:15:15Z) - Time Adaptive Gaussian Model [0.913755431537592]
我々のモデルは、時間的グラフィカルモデルの推論のための最先端手法の一般化である。
時間内にデータポイントをクラスタリングすることでパターン認識を行い、観察された変数間の確率的(そしておそらく因果関係)関係を見つける。
論文 参考訳(メタデータ) (2021-02-02T00:28:14Z) - Integrating Logical Rules Into Neural Multi-Hop Reasoning for Drug
Repurposing [23.783111050856245]
本稿では,これらのルールと強化学習を用いたニューラルマルチホップ推論手法を組み合わせた新しい手法を提案する。
バイオメディカル知識グラフHetionetに本手法を適用し,本手法がいくつかのベースライン法より優れていることを示す。
論文 参考訳(メタデータ) (2020-07-10T10:32:08Z) - Unsupervised non-parametric change point detection in quasi-periodic
signals [2.2758845733923687]
準周期信号における変化点を検出するための新しい教師なし非パラメトリック手法を提案する。
この検出は、トポロジカル解析とブートストラップ法を組み合わせた最適な輸送理論に依存している。
最も頻度の高い臨床不整脈の6種類の波形における異常心周期や不規則心周期の発見に成功している。
論文 参考訳(メタデータ) (2020-02-07T11:24:50Z)
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。