Fugu-MT 論文翻訳(概要): Unveiling the Secrets: How Masking Strategies Shape Time Series Imputation

論文の概要: Unveiling the Secrets: How Masking Strategies Shape Time Series Imputation

arxiv url: http://arxiv.org/abs/2405.17508v1
Date: Sun, 26 May 2024 18:05:12 GMT
ステータス: 処理完了
システム内更新日: 2024-05-29 23:50:44.998986
Title: Unveiling the Secrets: How Masking Strategies Shape Time Series Imputation
Title（参考訳）: 謎を解き明かす:マスキング戦略がいかに時系列のインプットを形作るか
Authors: Linglong Qian, Zina Ibrahim, Wenjie Du, Yiyuan Yang, Richard JB Dobson,
Abstract要約: 我々は,異なるマスキング戦略が時系列計算モデルに与える影響を評価する。その結果,ロバストモデル評価には,より高度でデータ駆動型マスキング設計が不可欠であることが示唆された。
参考スコア（独自算出の注目度）: 5.1632347921669774
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we explore the impact of different masking strategies on time series imputation models. We evaluate the effects of pre-masking versus in-mini-batch masking, normalization timing, and the choice between augmenting and overlaying artificial missingness. Using three diverse datasets, we benchmark eleven imputation models with different missing rates. Our results demonstrate that masking strategies significantly influence imputation accuracy, revealing that more sophisticated and data-driven masking designs are essential for robust model evaluation. We advocate for refined experimental designs and comprehensive disclosureto better simulate real-world patterns, enhancing the practical applicability of imputation models.
Abstract（参考訳）: 本研究では,異なるマスキング戦略が時系列計算モデルに与える影響について検討する。プリマスキングとミニバッチマスキングの効果,正規化タイミング,人工欠損の増大とオーバーレイの選択について検討した。 3つの多様なデータセットを使用して、欠落率の異なる11の計算モデルをベンチマークする。以上の結果から,マスキング手法が計算精度に大きな影響を与え,より高度でデータ駆動型マスキング設計がロバストなモデル評価に不可欠であることが示唆された。我々は,実世界のパターンをより良くシミュレートするための改良された実験設計と包括的公開を提唱し,計算モデルの実用性を高めた。

関連論文リスト

Evidential time-to-event prediction with calibrated uncertainty quantification [12.446406577462069]
Time-to-event分析は、臨床予後と治療勧告に関する洞察を提供する。本稿では,時間とイベントの予測に特化して設計された明らかな回帰モデルを提案する。我々のモデルは正確かつ信頼性の高い性能を提供し、最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2024-11-12T15:06:04Z)
Predictive uncertainty estimation in deep learning for lung carcinoma classification in digital pathology under real dataset shifts [2.309018557701645]
本稿では,予測不確実性推定が深層学習に基づく診断意思決定システムに堅牢性をもたらすか否かを評価する。まず, モンテカルロの脱落, 深層アンサンブル, 肺腺癌分類の軽微な学習をスライド画像全体の一次疾患として, 予測不確実性を改善するための一般的な3つの方法について検討した。
論文参考訳（メタデータ） (2024-08-15T21:49:43Z)
How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation [6.547981908229007]
アーキテクチャとフレームワークのバイアスがモデルのパフォーマンスにどのように影響するかを示します。実験では、プリプロセッシングと実装の選択に基づいて、最大20%の性能変化を示す。我々は,現在の深層計算法と医療要件の相違点を同定する。
論文参考訳（メタデータ） (2024-07-11T12:33:28Z)
Uncertainty Quantification on Clinical Trial Outcome Prediction [37.25114005044208]
本稿では,不確実性の定量化を臨床治験結果の予測に取り入れることを提案する。私たちの主な目標は、ニュアンスドの違いを識別するモデルの能力を強化することです。我々は目的を達成するために選択的な分類手法を採用した。
論文参考訳（メタデータ） (2024-01-07T13:48:05Z)
Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文参考訳（メタデータ） (2022-06-16T17:59:05Z)
Disentangled Counterfactual Recurrent Networks for Treatment Effect Inference over Time [71.30985926640659]
本稿では,DCRN(Disentangled Counterfactual Recurrent Network)を提案する。時間とともに治療効果の因果構造に完全にインスパイアされたアーキテクチャでは、予測精度と疾患理解が向上する。実データとシミュレーションデータの両方において,DCRNが処理応答予測の最先端手法より優れていることを示す。
論文参考訳（メタデータ） (2021-12-07T16:40:28Z)
What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文参考訳（メタデータ） (2021-11-30T15:52:04Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文参考訳（メタデータ） (2020-12-24T05:19:03Z)
Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文参考訳（メタデータ） (2020-12-17T21:10:10Z)
Uncertainty estimation for classification and risk prediction on medical tabular data [0.0]
本研究は,医療データの分類とリスク予測のための不確実性推定の理解を深めるものである。医療などのデータ共有分野において、モデルの予測の不確実性を測定する能力は、意思決定支援ツールの改善につながる可能性がある。
論文参考訳（メタデータ） (2020-04-13T08:46:41Z)

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。