論文の概要: Multi-Agent Norm Perception and Induction in Distributed Healthcare

• arxiv url: http://arxiv.org/abs/2412.18454v1
• Date: Tue, 24 Dec 2024 14:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:54:21.389262
• Title: Multi-Agent Norm Perception and Induction in Distributed Healthcare
• Title（参考訳）: 分散医療におけるマルチエージェントノーム認識と誘導
• Authors: Chao Li, Olga Petruchik, Elizaveta Grishanina, Sergey Kovalchuk,
• Abstract要約: このモデルにより、エージェントは、集団的傾向を捉える記述的規範と、理想的な振る舞いを規定する規範的規範を同時に学習することができる。 我々は2016年から2020年までの神経医療センターのデータセットを用いて実験を行った。
• 参考スコア（独自算出の注目度）: 2.380114155965432
• License:
• Abstract: This paper presents a Multi-Agent Norm Perception and Induction Learning Model aimed at facilitating the integration of autonomous agent systems into distributed healthcare environments through dynamic interaction processes. The nature of the medical norm system and its sharing channels necessitates distinct approaches for Multi-Agent Systems to learn two types of norms. Building on this foundation, the model enables agents to simultaneously learn descriptive norms, which capture collective tendencies, and prescriptive norms, which dictate ideal behaviors. Through parameterized mixed probability density models and practice-enhanced Markov games, the multi-agent system perceives descriptive norms in dynamic interactions and captures emergent prescriptive norms. We conducted experiments using a dataset from a neurological medical center spanning from 2016 to 2020.
• Abstract（参考訳）: 本稿では,自律エージェントシステムの分散医療環境への動的相互作用プロセスへの統合を容易にすることを目的とした,マルチエージェントノルム知覚誘導学習モデルを提案する。 医療規範システムの性質とその共有チャネルは, マルチエージェントシステムにおいて, 2種類の規範を学習するために, 異なるアプローチを必要とする。 この基礎の上に構築されたモデルにより、エージェントは、集団的傾向を捉える記述的規範と、理想的な振る舞いを規定する規範的規範を同時に学習することができる。 パラメータ化混合確率密度モデルと実践強化マルコフゲームを通して、マルチエージェントシステムは動的相互作用における記述規範を知覚し、創発的規範を捉える。 我々は2016年から2020年までの神経医療センターのデータセットを用いて実験を行った。

関連論文リスト

• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• Behavior-Inspired Neural Networks for Relational Inference [3.7219180084857473]
  最近の研究は、エージェント間の関係を、その身体行動の観察に基づいて分類することを学ぶ。 エージェントの観測可能な振る舞いと,その動作を決定する潜在カテゴリの抽象化レベルを導入する。 エージェントの身体的近さと嗜好を非線形意見力学モデルに統合し、相互排他的潜在カテゴリを特定し、エージェントの時間的進化を予測し、エージェントの身体的挙動を制御するメカニズムを提供する。
  論文  参考訳（メタデータ） (2024-06-20T21:36:54Z)
• Control of Medical Digital Twins with Artificial Neural Networks [0.24578723416255746]
  この研究は、医療用デジタルツインを制御する代替アプローチとして、動的インフォームドニューラルネットワークコントローラを導入している。 提案手法の有効性を他の手法と比較し, 評価を行った。
  論文  参考訳（メタデータ） (2024-03-18T19:30:46Z)
• Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent Dynamical Systems [70.84976977950075]
  実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。 本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。 我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
  論文  参考訳（メタデータ） (2024-02-29T23:07:07Z)
• Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders [0.0]
  既存の変分オートエンコーダ(VAE)ベースの規範モデルは、積を推定したり、不定形遅延後部の平均化によって複数のモードから情報を集約する。 これはしばしば、主観レベルの偏差の推定に影響を及ぼす非形式的な関節潜伏分布をもたらす。 後肢後肢のモデリングを改善するMixture-of-Product-of-Experts法を応用した。
  論文  参考訳（メタデータ） (2023-12-02T01:17:01Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• CF-GODE: Continuous-Time Causal Inference for Multi-Agent Dynamical Systems [29.358010668392208]
  マルチエージェント力学系における実測結果の予測方法について検討する。 時間的因果推論に関する既存の研究は、単位が互いに独立であるという仮定に依存している。 本稿では,因果モデルであるCounterFactual GraphODEを提案する。
  論文  参考訳（メタデータ） (2023-06-20T00:50:09Z)
• Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
  本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。 チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-10-17T07:16:44Z)
• Multi-Agent Imitation Learning with Copulas [102.27052968901894]
  マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。 本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。 提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
  論文  参考訳（メタデータ） (2021-07-10T03:49:41Z)
• Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease Progression [71.7560927415706]
  潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。 新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
  論文  参考訳（メタデータ） (2021-06-05T11:42:45Z)
• An active inference model of collective intelligence [0.0]
  本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。 その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
  論文  参考訳（メタデータ） (2021-04-02T14:32:01Z)

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。