論文の概要: Online Transfer Learning for RSV Case Detection
- arxiv url: http://arxiv.org/abs/2402.01987v1
- Date: Sat, 3 Feb 2024 02:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 23:02:38.468890
- Title: Online Transfer Learning for RSV Case Detection
- Title(参考訳): RSV事例検出のためのオンライン転送学習
- Authors: Yiming Sun, Yuhe Gao, Runxue Bao, Gregory F. Cooper, Jessi Espino,
Harry Hochheiser, Marian G. Michaels, John M. Aronis, Ye Ye
- Abstract要約: PVAW(Predictive Volume-Adaptive Weighting)は,新しいオンライン多元移動学習手法である。
PVAWはアンサンブルモデル内に動的重み付け機構を実装し、重みの自動調整を可能にする。
ピッツバーグ大学メディカルセンターで複数シーズンにわたって収集されたRSV(Respiratory Syncytial Virus)データを解析し,PVAWの有効性を実証した。
- 参考スコア(独自算出の注目度): 6.762634288564016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transfer learning has become a pivotal technique in machine learning,
renowned for its effectiveness in various real-world applications. However, a
significant challenge arises when applying this approach to sequential
epidemiological data, often characterized by a scarcity of labeled information.
To address this challenge, we introduce Predictive Volume-Adaptive Weighting
(PVAW), a novel online multi-source transfer learning method. PVAW innovatively
implements a dynamic weighting mechanism within an ensemble model, allowing for
the automatic adjustment of weights based on the relevance and contribution of
each source and target model. We demonstrate the effectiveness of PVAW through
its application in analyzing Respiratory Syncytial Virus (RSV) data, collected
over multiple seasons at the University of Pittsburgh Medical Center. Our
method showcases significant improvements in model performance over existing
baselines, highlighting the potential of online transfer learning in handling
complex, sequential data. This study not only underscores the adaptability and
sophistication of transfer learning in healthcare but also sets a new direction
for future research in creating advanced predictive models.
- Abstract(参考訳): トランスファーラーニングは機械学習において重要な技術となり、様々な現実世界の応用でその効果が知られている。
しかし、この手法をシーケンシャルな疫学的データに適用する際、しばしばラベル付き情報の不足を特徴とする重要な課題が生じる。
この課題に対処するために、新しいオンラインマルチソーストランスファー学習法である予測ボリューム適応重み付け(PVAW)を導入する。
PVAWは、アンサンブルモデル内で動的重み付け機構を革新的に実装し、各ソースとターゲットモデルの関連性と寄与に基づいて重みの自動調整を可能にする。
ピッツバーグ大学メディカルセンターで複数シーズンにわたって収集されたRSV(Respiratory Syncytial Virus)データの解析におけるPVAWの有効性を実証した。
提案手法は,既存のベースラインよりもモデル性能が大幅に向上し,複雑なシーケンシャルデータを扱うオンライントランスファー学習の可能性を強調した。
本研究は,医療におけるトランスファーラーニングの適応性と高度化だけでなく,先進的な予測モデルの構築に向けた新たな方向性を定めている。
関連論文リスト
- Diffusion-based Neural Network Weights Generation [85.6725307453325]
データセット条件付き事前学習重み抽出による効率よく適応的な伝達学習手法を提案する。
具体的には、ニューラルネットワークの重みを再構築できる変分オートエンコーダを備えた潜時拡散モデルを用いる。
論文 参考訳(メタデータ) (2024-02-28T08:34:23Z) - Amplifying Pathological Detection in EEG Signaling Pathways through
Cross-Dataset Transfer Learning [10.212217551908525]
実世界の病理分類課題におけるデータとモデルスケーリングとデータセット間の知識伝達の有効性について検討する。
ネガティブトランスファーの可能性の課題を特定し、いくつかの重要なコンポーネントの重要性を強調する。
以上の結果から,小規模で汎用的なモデル(ShallowNetなど)は単一データセット上では良好に動作するが,大規模なモデル(TCNなど)では,大規模かつ多様なデータセットからの転送や学習がより優れていることが示唆された。
論文 参考訳(メタデータ) (2023-09-19T20:09:15Z) - PIGNet2: A Versatile Deep Learning-based Protein-Ligand Interaction
Prediction Model for Binding Affinity Scoring and Virtual Screening [0.0]
タンパク質-リガンド相互作用の予測(PLI)は、薬物発見において重要な役割を果たす。
結合親和性を正確に評価し、効率的な仮想スクリーニングを行う汎用モデルの開発は依然として課題である。
本稿では、物理インフォームドグラフニューラルネットワークと組み合わせて、新しいデータ拡張戦略を導入することにより、実現可能なソリューションを提案する。
論文 参考訳(メタデータ) (2023-07-03T14:46:49Z) - Learning Latent Dynamics via Invariant Decomposition and
(Spatio-)Temporal Transformers [0.6767885381740952]
本研究では,高次元経験データから力学系を学習する手法を提案する。
我々は、システムの複数の異なるインスタンスからデータが利用できる設定に焦点を当てる。
我々は、単純な理論的分析と、合成および実世界のデータセットに関する広範な実験を通して行動を研究する。
論文 参考訳(メタデータ) (2023-06-21T07:52:07Z) - The ART of Transfer Learning: An Adaptive and Robust Pipeline [2.294014185517203]
本稿では,汎用機械学習アルゴリズムを用いた伝達学習の柔軟なパイプラインであるAdaptive Robust Transfer Learning (ART)を提案する。
我々はARTの非漸近的学習理論を確立し、負の移動を防止しつつ適応的な移動を達成するための証明可能な理論的保証を提供する。
我々は、回帰、分類、スパース学習に関する広範な実証的研究を通じてARTの有望な性能を実証する。
論文 参考訳(メタデータ) (2023-04-30T16:36:57Z) - Bayesian Active Learning for Discrete Latent Variable Models [19.852463786440122]
アクティブラーニングは、モデルのパラメータに適合するために必要なデータ量を削減しようとする。
潜在変数モデルは神経科学、心理学、その他の様々な工学、科学分野において重要な役割を果たす。
論文 参考訳(メタデータ) (2022-02-27T19:07:12Z) - BERT WEAVER: Using WEight AVERaging to enable lifelong learning for
transformer-based models in biomedical semantic search engines [49.75878234192369]
We present WEAVER, a simple, yet efficient post-processing method that infuse old knowledge into the new model。
WEAVERを逐次的に適用すると、同じ単語の埋め込み分布が、一度にすべてのデータに対する総合的なトレーニングとして得られることを示す。
論文 参考訳(メタデータ) (2022-02-21T10:34:41Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳(メタデータ) (2021-06-17T17:26:31Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳(メタデータ) (2020-10-28T10:58:59Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - Transfer Learning without Knowing: Reprogramming Black-box Machine
Learning Models with Scarce Data and Limited Resources [78.72922528736011]
そこで我々は,ブラックボックス・アタベラル・リプログラミング (BAR) という新しい手法を提案する。
ゼロオーダー最適化とマルチラベルマッピング技術を用いて、BARは入力出力応答のみに基づいてブラックボックスMLモデルをプログラムする。
BARは最先端の手法より優れ、バニラ対逆プログラミング法に匹敵する性能を得る。
論文 参考訳(メタデータ) (2020-07-17T01:52:34Z)
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。