論文の概要: Empirical Analysis of Nature-Inspired Algorithms for Autism Spectrum Disorder Detection Using 3D Video Dataset

• arxiv url: http://arxiv.org/abs/2501.01202v1
• Date: Thu, 02 Jan 2025 11:24:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 16:54:32.227546
• Title: Empirical Analysis of Nature-Inspired Algorithms for Autism Spectrum Disorder Detection Using 3D Video Dataset
• Title（参考訳）: 3次元ビデオデータセットを用いた自閉症スペクトラム障害検出のための自然感性アルゴリズムの実証分析
• Authors: Aneesh Panchal, Kainat Khan, Rahul Katarya,
• Abstract要約: 自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、反復行動や社会的・コミュニケーションスキルの欠如を含む慢性神経発達障害の症状である。 本稿では,3次元歩行映像データセットからASDを検出する手法について検討した。 分類アルゴリズムと自然に着想を得たアルゴリズムの組み合わせを多種に分けて展開し,その分類精度を100%の精度で評価した。
• 参考スコア（独自算出の注目度）: 5.5711773076846365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autism Spectrum Disorder (ASD) is a chronic neurodevelopmental disorder symptoms of which includes repetitive behaviour and lack of social and communication skills. Even though these symptoms can be seen very clearly in social but a large number of individuals with ASD remain undiagnosed. In this paper, we worked on a methodology for the detection of ASD from a 3-dimensional walking video dataset, utilizing supervised machine learning (ML) classification algorithms and nature-inspired optimization algorithms for feature extraction from the dataset. The proposed methodology involves the classification of ASD using a supervised ML classification algorithm and extracting important and relevant features from the dataset using nature-inspired optimization algorithms. We also included the ranking coefficients to find the initial leading particle. This selection of particle significantly reduces the computation time and hence, improves the total efficiency and accuracy for ASD detection. To evaluate the efficiency of the proposed methodology, we deployed various combinationsalgorithms of classification algorithm and nature-inspired algorithms resulting in an outstanding classification accuracy of $100\%$ using the random forest classification algorithm and gravitational search algorithm for feature selection. The application of the proposed methodology with different datasets would enhance the robustness and generalizability of the proposed methodology. Due to high accuracy and less total computation time, the proposed methodology will offer a significant contribution to the medical and academic fields, providing a foundation for future research and advancements in ASD diagnosis.
• Abstract（参考訳）: 自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、反復行動や社会的・コミュニケーションスキルの欠如を含む慢性神経発達障害の症状である。 これらの症状は社会的に非常にはっきりと見られるが、多くのASD患者は未診断のままである。 本稿では,教師付き機械学習(ML)分類アルゴリズムと,特徴抽出のための自然に着想を得た最適化アルゴリズムを用いて,3次元歩行映像データセットからASDを検出する手法について検討した。 提案手法は、教師付きML分類アルゴリズムを用いてASDの分類を行い、自然に着想を得た最適化アルゴリズムを用いてデータセットから重要かつ関連する特徴を抽出する。 また、初期鉛粒子を見つけるためのランキング係数も含んでいた。 このパーティクルの選択は計算時間を著しく短縮し、ASD検出のトータル効率と精度を向上させる。 提案手法の効率性を評価するため,ランダム森林分類アルゴリズムと重力探索アルゴリズムを用いて,分類アルゴリズムと自然に着想を得たアルゴリズムの組み合わせを多種多様に展開した。 提案手法を異なるデータセットで適用することで,提案手法の堅牢性と一般化性を高めることができる。 高精度で計算時間も少ないため、提案手法は医学・学術分野に多大な貢献をし、今後の研究とASD診断の進歩の基盤となる。

関連論文リスト

• Survey on Algorithms for multi-index models [45.143425167349314]
  マルチインデックスモデルを用いてインデックス空間を推定するアルゴリズムに関する文献をレビューする。 主な焦点は、ガウス空間における計算効率のよい(多項式時間)アルゴリズム、これらの方法によって一貫性が保証される仮定、およびそれらのサンプル複雑性である。
  論文  参考訳（メタデータ） (2025-04-07T18:50:11Z)
• Flip Learning: Weakly Supervised Erase to Segment Nodules in Breast Ultrasound [43.27869631032662]
  正確なセグメンテーションのために2D/3Dボックスにのみ依存するFlip Learningと呼ばれる新しい学習ベースのWSSフレームワークを導入する。 ボックスからターゲットを消去して分類タグのフリップを容易にするために複数のエージェントが使用され、消去された領域が予測されたセグメンテーションマスクとして機能する。 提案手法は最先端のWSS手法や基礎モデルより優れており,完全教師付き学習アルゴリズムと同等の性能を発揮する。
  論文  参考訳（メタデータ） (2025-03-26T16:20:02Z)
• Impact of Data Patterns on Biotype identification Using Machine Learning [38.321248253111776]
  本研究では, 合成脳形態計測データを用いて, アルゴリズム性能に対するデータパターンの寄与について検討した。 SuStaInは17以上の変数を持つデータセットの処理に失敗し、計算の非効率性を強調した。 SmileGANとSurrealGANは、変数ベースの疾患パターンを識別する他のアルゴリズムよりも優れているが、これらのパターンは個々のレベルの分類を提供することができなかった。
  論文  参考訳（メタデータ） (2025-03-15T09:44:00Z)
• Tighten The Lasso: A Convex Hull Volume-based Anomaly Detection Method [0.6144680854063939]
  本稿では,データセットの凸殻特性に基づく新しい異常検出アルゴリズムを提案する。 我々のアルゴリズムは、データセットからより多くのデータポイントが削除されるにつれてCHの体積を計算する。 計算的に安価で簡単なチェックにより、提案アルゴリズムに適したデータセットを検出できることを示す。
  論文  参考訳（メタデータ） (2025-02-25T19:39:20Z)
• Utilizing Data Fingerprints for Privacy-Preserving Algorithm Selection in Time Series Classification: Performance and Uncertainty Estimation on Unseen Datasets [4.2193475197905705]
  プライバシ保存方式で時系列分類データセットを記述した新しいデータフィンガープリントを導入する。 マルチターゲット回帰問題を分解することにより、アルゴリズムの性能と不確実性を推定するために、我々のデータフィンガープリントのみが使用される。 我々のアプローチは、カリフォルニア大学リバーサイドベンチマークデータセット112で評価されている。
  論文  参考訳（メタデータ） (2024-09-13T08:43:42Z)
• Self-Supervised Time-Series Anomaly Detection Using Learnable Data Augmentation [37.72735288760648]
  本稿では,学習可能なデータ拡張に基づく時系列異常検出(LATAD)手法を提案する。 LATADは、比較学習を通じて時系列データから識別的特徴を抽出する。 その結果、LATADは最先端の異常検出評価に匹敵する、あるいは改善された性能を示した。
  論文  参考訳（メタデータ） (2024-06-18T04:25:56Z)
• Large Language Model-Enhanced Algorithm Selection: Towards Comprehensive Algorithm Representation [27.378185644892984]
  本稿では,Large Language Models (LLM) をアルゴリズム選択に導入する。 LLMはアルゴリズムの構造的・意味的な側面を捉えるだけでなく、文脈的認識とライブラリ機能理解も示している。 選択されたアルゴリズムは、与えられた問題と異なるアルゴリズムの一致度によって決定される。
  論文  参考訳（メタデータ） (2023-11-22T06:23:18Z)
• Gauge-optimal approximate learning for small data classification problems [0.0]
  小さなデータ学習問題は、応答変数の観測量が限られたことと大きな特徴空間次元との相違によって特徴づけられる。 本稿では,Gauge-Optimal Approximate Learning (GOAL)アルゴリズムを提案する。 GOALは、合成データと、気候科学やバイオインフォマティクスといった現実世界の応用に挑戦する、最先端の機械学習(ML)ツールと比較されている。
  論文  参考訳（メタデータ） (2023-10-29T16:46:05Z)
• Kernel-Based Distributed Q-Learning: A Scalable Reinforcement Learning Approach for Dynamic Treatment Regimes [37.06048335758881]
  本稿では,動的処理系を生成するための分散Q-ラーニングアルゴリズムを提案する。 提案アルゴリズムは従来の線形Q-ラーニングよりも優れており,予測精度と計算コストの両方でよく使用される深層Q-ラーニングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-21T04:15:34Z)
• Learning to Bound Counterfactual Inference in Structural Causal Models from Observational and Randomised Data [64.96984404868411]
  我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。 新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。 反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
  論文  参考訳（メタデータ） (2022-12-06T12:42:11Z)
• Deep Learning for Size and Microscope Feature Extraction and Classification in Oral Cancer: Enhanced Convolution Neural Network [30.343802446139186]
  オーバーフィッティング問題は、深層学習技術が口腔癌の画像分類でうまく実装されていない理由である。 提案システムは,オートエンコーダ技術を用いて特徴抽出プロセスの効率を向上する拡張畳み込みニューラルネットワークで構成されている。
  論文  参考訳（メタデータ） (2022-08-06T08:26:45Z)
• Correntropy-Based Logistic Regression with Automatic Relevance Determination for Robust Sparse Brain Activity Decoding [18.327196310636864]
  相関学習フレームワークを,自動関係決定に基づくスパース分類モデルに導入する。 人工的データセット,脳波(EEG)データセット,機能的磁気共鳴画像(fMRI)データセットで評価した。
  論文  参考訳（メタデータ） (2022-07-20T06:49:23Z)
• Interpolation-based Contrastive Learning for Few-Label Semi-Supervised Learning [43.51182049644767]
  半教師付き学習(SSL)は,ラベルが限定された強力なモデルを構築する上で,有効な手法であることが長年証明されてきた。 摂動サンプルを元のものと類似した予測を強制する正規化に基づく手法が注目されている。 本稿では,学習ネットワークの埋め込みを誘導し,サンプル間の線形変化を誘導する新たな対照的な損失を提案する。
  論文  参考訳（メタデータ） (2022-02-24T06:00:05Z)
• Performance Analysis of Fractional Learning Algorithms [32.21539962359158]
  従来のアルゴリズムよりも格段に優越性が高いかどうかは定かでないが、その性能が広範に分析されることはなかったため神話である。 本稿では,最小平均二乗および最急降下アルゴリズムの分数変分を厳密に解析する。 学習アルゴリズムの性能に関するその起源と結果について論じ,素早い準備の整った治療法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T12:06:44Z)
• IVFS: Simple and Efficient Feature Selection for High Dimensional Topology Preservation [33.424663018395684]
  本稿では,サンプル類似性保存を向上する簡易かつ効果的な特徴選択アルゴリズムを提案する。 提案アルゴリズムは、全データの対距離と位相パターンを適切に保存することができる。
  論文  参考訳（メタデータ） (2020-04-02T23:05:00Z)
• Surrogate-assisted performance prediction for data-driven knowledge discovery algorithms: application to evolutionary modeling of clinical pathways [0.0]
  本稿では,データ駆動型知識発見アルゴリズムの性能予測手法の提案と検討を行う。 この手法は、ターゲットアルゴリズムの品質と性能を予測するための代理モデルの同定に基づいている。
  論文  参考訳（メタデータ） (2020-04-02T16:49:43Z)

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。