論文の概要: Personalised dynamic super learning: an application in predicting hemodiafiltration convection volumes

• arxiv url: http://arxiv.org/abs/2310.08479v2
• Date: Thu, 14 Nov 2024 17:23:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:21:52.996770
• Title: Personalised dynamic super learning: an application in predicting hemodiafiltration convection volumes
• Title（参考訳）: パーソナライズド・ダイナミック・スーパーラーニング : 血液濾過対流量の予測への応用
• Authors: Arthur Chatton, Michèle Bally, Renée Lévesque, Ivana Malenica, Robert W. Platt, Mireille E. Schnitzer,
• Abstract要約: パーソナライズされたオンラインスーパー学習者(POSL)は、動的かつパーソナライズされた予測を達成できる。 我々は、繰り返し連続する結果を動的に予測するためにPOSLを適用し、そのようなパーソナライズされたまたは動的予測モデルを検証する新しい方法を提案する。
• 参考スコア（独自算出の注目度）: 0.32985979395737774
• License:
• Abstract: Obtaining continuously updated predictions is a major challenge for personalised medicine. Leveraging combinations of parametric regressions and machine learning approaches, the personalised online super learner (POSL) can achieve such dynamic and personalised predictions. We adapt POSL to predict a repeated continuous outcome dynamically and propose a new way to validate such personalised or dynamic prediction models. We illustrate its performance by predicting the convection volume of patients undergoing hemodiafiltration. POSL outperformed its candidate learners with respect to median absolute error, calibration-in-the-large, discrimination, and net benefit. We finally discuss the choices and challenges underlying the use of POSL.
• Abstract（参考訳）: 継続的に更新される予測を得ることは、パーソナライズドメディカルにとって大きな課題である。 パラメトリック回帰と機械学習のアプローチを組み合わせることで、パーソナライズされたオンラインスーパー学習者(POSL)は、このようなダイナミックでパーソナライズされた予測を実現できる。 我々は、繰り返し連続する結果を動的に予測するためにPOSLを適用し、そのようなパーソナライズされたまたは動的予測モデルを検証する新しい方法を提案する。 血液透析患者の対流容積を予測し,その性能を概説した。 POSLは, 絶対誤差の中央値, キャリブレーション・イン・ザ・ラージ, 差別, 純利益に関して, 候補者学習者より優れていた。 最終的に、POSLの使用の根底にある選択と課題について論じる。

関連論文リスト

• Uncertainty-Penalized Direct Preference Optimization [52.387088396044206]
  我々は、優先不確実性ペナル化スキームを導入し、DPOの悲観的な枠組みを開発する。 ペナル化は、不確実なサンプルの損失勾配を減衰させる損失の補正として機能する。 我々は,バニラDPOと比較して全体的な性能が向上し,高い不確実性選択/拒絶反応によるプロンプトの完成度も向上した。
  論文  参考訳（メタデータ） (2024-10-26T14:24:37Z)
• Dynamic Post-Hoc Neural Ensemblers [55.15643209328513]
  本研究では,ニューラルネットワークをアンサンブル手法として活用することを検討する。 低多様性のアンサンブルを学習するリスクを動機として,ベースモデル予測をランダムにドロップすることでモデルの正規化を提案する。 このアプローチはアンサンブル内の多様性を低くし、オーバーフィッティングを減らし、一般化能力を向上させる。
  論文  参考訳（メタデータ） (2024-10-06T15:25:39Z)
• Personalized Prediction of Recurrent Stress Events Using Self-Supervised Learning on Multimodal Time-Series Data [1.7598252755538808]
  ウェアラブル生体信号データを用いたマルチモーダル・パーソナライズされたストレス予測システムを開発した。 我々は、各被験者のデータに基づいてモデルを事前学習するために、自己教師付き学習を採用する。 その結果,最小限のアノテーションで各ユーザのストレス予測をパーソナライズできることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T00:44:06Z)
• Kalman Filter for Online Classification of Non-Stationary Data [101.26838049872651]
  オンライン連続学習(OCL)では、学習システムはデータのストリームを受け取り、予測とトレーニングの手順を順次実行する。 本稿では,線形予測量に対するニューラル表現と状態空間モデルを用いた確率ベイズオンライン学習モデルを提案する。 多クラス分類の実験では、モデルの予測能力と非定常性を捉える柔軟性を示す。
  論文  参考訳（メタデータ） (2023-06-14T11:41:42Z)
• Meta-Auxiliary Learning for Adaptive Human Pose Prediction [26.877194503491072]
  高忠実な未来の人間のポーズを予測することは、インテリジェントロボットが人間と対話する上で決定的だ。 ディープラーニングアプローチは、通常、外部データセット上で一般的なトレーニング済みモデルをトレーニングし、すべてのテストサンプルに直接適用する。 本稿では,2つの自己監督型補助タスクを活用するテスト時間適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-13T11:17:09Z)
• Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
  我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。 合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
  論文  参考訳（メタデータ） (2023-02-23T18:57:14Z)
• Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
  近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。 緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。 トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
  論文  参考訳（メタデータ） (2022-11-09T23:40:52Z)
• Online Adaptation of Neural Network Models by Modified Extended Kalman Filter for Customizable and Transferable Driving Behavior Prediction [3.878105750489657]
  人間ドライバーの行動予測は、自動運転車の効率的かつ安全な展開に不可欠である。 本稿では,運転行動予測タスクに$tau$-step modified Extended Kalman Filterパラメータ適応アルゴリズムを適用する。 観察された軌跡のフィードバックにより,異なる被験者やシナリオ間での運転行動予測の性能向上にアルゴリズムを適用した。
  論文  参考訳（メタデータ） (2021-12-09T05:39:21Z)
• Predictive machine learning for prescriptive applications: a coupled training-validating approach [77.34726150561087]
  規範的応用のための予測機械学習モデルをトレーニングするための新しい手法を提案する。 このアプローチは、標準的なトレーニング検証テストスキームの検証ステップを微調整することに基づいている。 合成データを用いたいくつかの実験は、決定論的モデルと実モデルの両方において処方料コストを削減できる有望な結果を示した。
  論文  参考訳（メタデータ） (2021-10-22T15:03:20Z)
• POLA: Online Time Series Prediction by Adaptive Learning Rates [4.105553918089042]
  繰り返しニューラルネットワークモデルの学習速度を自動的に調整し、時系列パターンの変化に適応するPOLAを提案する。 POLAは、他のオンライン予測方法よりも総合的に、あるいは優れた予測性能を示す。
  論文  参考訳（メタデータ） (2021-02-17T17:56:12Z)
• HypperSteer: Hypothetical Steering and Data Perturbation in Sequence Prediction with Deep Learning [30.40203268658035]
  本稿では,モデルに依存しない視覚解析ツールHypperSteerを提案する。 我々は、HypperSteerが患者データをステアリングして望ましい治療結果を得るのにどのように役立つかを示し、HypperSteerが他の実践シナリオの包括的ソリューションとして機能するかについて議論する。
  論文  参考訳（メタデータ） (2020-11-04T06:26:58Z)

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。