論文の概要: A Neuro-Symbolic Approach to Monitoring Salt Content in Food

• arxiv url: http://arxiv.org/abs/2404.01182v1
• Date: Mon, 1 Apr 2024 15:34:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 22:05:48.887100
• Title: A Neuro-Symbolic Approach to Monitoring Salt Content in Food
• Title（参考訳）: 食品中の塩分濃度のモニタリングのための神経・シンボリックアプローチ
• Authors: Anuja Tayal, Barbara Di Eugenio, Devika Salunke, Andrew D. Boyd, Carolyn A Dickens, Eulalia P Abril, Olga Garcia-Bedoya, Paula G Allen-Meares,
• Abstract要約: 食品中の塩分について心不全患者に問い合わせることのできる対話システムを提案する。 食品ベースの塩分分析のための特定のデータセットの欠如に対処し、テンプレートベースの会話データセットを開発する。 以上の結果から,データセット上の微調整型トランスフォーマーモデルでは限られた性能が得られるが,Neuro-Symbolic Rulesの統合はシステムの性能を著しく向上させることがわかった。
• 参考スコア（独自算出の注目度）: 1.4347098305628967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a dialogue system that enables heart failure patients to inquire about salt content in foods and help them monitor and reduce salt intake. Addressing the lack of specific datasets for food-based salt content inquiries, we develop a template-based conversational dataset. The dataset is structured to ask clarification questions to identify food items and their salt content. Our findings indicate that while fine-tuning transformer-based models on the dataset yields limited performance, the integration of Neuro-Symbolic Rules significantly enhances the system's performance. Our experiments show that by integrating neuro-symbolic rules, our system achieves an improvement in joint goal accuracy of over 20% across different data sizes compared to naively fine-tuning transformer-based models.
• Abstract（参考訳）: 本研究では, 心不全患者が食品中の塩分について質問し, 塩分摂取の監視と低減を支援する対話システムを提案する。 食品ベースの塩分分析のための特定のデータセットの欠如に対処し、テンプレートベースの会話データセットを開発する。 データセットは、食品とその塩分を識別するために、明確化の質問を行うように構成されている。 以上の結果から,データセット上の微調整型トランスフォーマーモデルでは限られた性能が得られるが,Neuro-Symbolic Rulesの統合はシステムの性能を著しく向上させることがわかった。 実験の結果, ニューロシンボリック・ルールを組み込むことで, 異なるデータサイズで20%以上の目標精度を達成できることがわかった。

関連論文リスト

• Heterogeneous quantization regularizes spiking neural network activity [0.0]
  本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。 我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
  論文  参考訳（メタデータ） (2024-09-27T02:25:44Z)
• WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
  ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。 本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。 WaLiN-GUIはオープンソースとドキュメントが提供されている。
  論文  参考訳（メタデータ） (2023-10-25T20:34:08Z)
• SeeDS: Semantic Separable Diffusion Synthesizer for Zero-shot Food Detection [38.57712277980073]
  ゼロショット食品検出(ZSFD)のためのセマンティック分離拡散合成器(SeeDS)フレームワークを提案する。 Semantic Separable Synthesizer Module (S$3$M) と Region Feature Denoising Diffusion Model (RFDDM) の2つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2023-10-07T05:29:18Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Persistence-based operators in machine learning [62.997667081978825]
  永続性に基づくニューラルネットワークレイヤのクラスを導入します。 永続化ベースのレイヤにより、ユーザは、データによって尊重される対称性に関する知識を容易に注入でき、学習可能なウェイトを備え、最先端のニューラルネットワークアーキテクチャで構成できる。
  論文  参考訳（メタデータ） (2022-12-28T18:03:41Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• An Open-Source Dataset on Dietary Behaviors and DASH Eating Plan Optimization Constraints [0.29298205115761694]
  我々は、異なるグループの食行動、その人口統計、および既存の状況に基づいて、修正されたデータセットを提供する。 また,高血圧およびプレ糖尿病患者を対象に,標的食の利益を享受する興味のあるグループとして,調整したデータセットを提供する。
  論文  参考訳（メタデータ） (2020-10-15T05:25:44Z)
• An Explainable Model for EEG Seizure Detection based on Connectivity Features [0.0]
  我々は、特定のデータウィンドウが発作に属しているか否かを検出するディープニューラルネットワークを学習することを提案する。 10個のサブウィンドウのシーケンスとしてデータを取り込み、注意、CNN、BiLstm、および完全に接続されたレイヤを用いて最適なディープラーニングモデルを設計することを目的としている。 私たちの最高のモデルアーキテクチャは、バランスの取れたMITBIHデータサブセットを使用して97.03%の精度を実現した。
  論文  参考訳（メタデータ） (2020-09-26T11:07:30Z)
• Ensemble Transfer Learning for the Prediction of Anti-Cancer Drug Response [49.86828302591469]
  本稿では,抗がん剤感受性の予測にトランスファーラーニングを適用した。 我々は、ソースデータセット上で予測モデルをトレーニングし、ターゲットデータセット上でそれを洗練する古典的な転送学習フレームワークを適用した。 アンサンブル転送学習パイプラインは、LightGBMと異なるアーキテクチャを持つ2つのディープニューラルネットワーク(DNN)モデルを使用して実装されている。
  論文  参考訳（メタデータ） (2020-05-13T20:29:48Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)
• An Artificial Intelligence-Based System to Assess Nutrient Intake for Hospitalised Patients [4.048427587958764]
  入院患者の栄養摂取の定期的なモニタリングは、疾患関連栄養失調のリスクを低減する上で重要な役割を担っている。 本稿では,栄養摂取量を正確に推定する人工知能(AI)に基づく新しいシステムを提案する。
  論文  参考訳（メタデータ） (2020-03-18T15:28:51Z)

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。