論文の概要: Infinite hierarchical contrastive clustering for personal digital envirotyping

• arxiv url: http://arxiv.org/abs/2505.15022v1
• Date: Wed, 21 May 2025 02:11:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.815187
• Title: Infinite hierarchical contrastive clustering for personal digital envirotyping
• Title（参考訳）: パーソナルデジタルエンビロタイピングのための無限階層的コントラストクラスタリング
• Authors: Ya-Yun Huang, Joseph McClernon, Jason A. Oliver, Matthew M. Engelhard,
• Abstract要約: 日々の環境は私たちの健康と行動に大きな影響を与えます。 デジタルエンビロタイピングは、環境特徴と関心の健康的結果の間の有意義な関係を識別するために用いられる。 この課題に対処するために、無限階層的コントラストクラスタリングを導入します。
• 参考スコア（独自算出の注目度）: 0.04999814847776096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Daily environments have profound influence on our health and behavior. Recent work has shown that digital envirotyping, where computer vision is applied to images of daily environments taken during ecological momentary assessment (EMA), can be used to identify meaningful relationships between environmental features and health outcomes of interest. To systematically study such effects on an individual level, it is helpful to group images into distinct environments encountered in an individual's daily life; these may then be analyzed, further grouped into related environments with similar features, and linked to health outcomes. Here we introduce infinite hierarchical contrastive clustering to address this challenge. Building on the established contrastive clustering framework, our method a) allows an arbitrary number of clusters without requiring the full Dirichlet Process machinery by placing a stick-breaking prior on predicted cluster probabilities; and b) encourages distinct environments to form well-defined sub-clusters within each cluster of related environments by incorporating a participant-specific prediction loss. Our experiments show that our model effectively identifies distinct personal environments and groups these environments into meaningful environment types. We then illustrate how the resulting clusters can be linked to various health outcomes, highlighting the potential of our approach to advance the envirotyping paradigm.
• Abstract（参考訳）: 日々の環境は私たちの健康と行動に大きな影響を与えます。 近年の研究では,エコロジー・モーメント・アセスメント(EMA)における日常環境のイメージにコンピュータビジョンを応用したデジタルエンビロタイピングが,環境特徴と健康影響の有意義な関係を識別するために有効であることが示されている。 このような効果を個人レベルで体系的に研究するためには、イメージを個人の日常生活で遭遇する異なる環境に分類することが有用であり、それらを分析し、類似した特徴を持つ関連する環境に分類し、健康的な結果と関連付けることができる。 ここでは、この課題に対処するために無限階層的コントラストクラスタリングを導入する。 コントラストクラスタリングフレームワークの構築, 提案手法 a) 予測されたクラスタ確率に先立って棒打ちをすることで,完全なディリクレ処理機構を必要とせず,任意の数のクラスタを許可すること。 b) 参加者固有の予測損失を組み込むことにより、関連環境の各クラスタ内で明確に定義されたサブクラスタを形成するように、異なる環境を奨励する。 実験の結果,本モデルでは,異なる個人環境を効果的に識別し,これらの環境を意味のある環境タイプに分類する。 次に、その結果のクラスタが様々な健康結果とどのように結びつくかを説明し、エンビロタイピングパラダイムを前進させるアプローチの可能性を強調します。

関連論文リスト

• Caution for the Environment: Multimodal Agents are Susceptible to Environmental Distractions [68.92637077909693]
  本稿では,グラフィカルユーザインタフェース(GUI)環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含む、一般的な設定が提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms [17.802456388479616]
  オーストラリア, ニューサウスウェールズ州ベガバレーで, 外来種および外来種を捉えた6,096個の高分解能空中画像のユニークなセマンティックセマンティックセマンティクスデータセットを導入した。 このデータセットは、草種の重複と分布のため、困難な課題を示す。 データセットとコードは公開され、コンピュータビジョン、機械学習、生態学の研究を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-07-25T18:27:27Z)
• Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments [67.80453452949303]
  観察データから条件平均治療効果(CATE)を推定することは、パーソナライズされた医療など多くの応用に関係している。 ここでは、観測データが複数の環境からやってくる広範囲な環境に焦点を当てる。 任意の機械学習モデルと組み合わせて使用可能な境界を推定するために、異なるモデルに依存しない学習者(いわゆるメタ学習者)を提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:31:43Z)
• Learning Environment-Aware Affordance for 3D Articulated Object Manipulation under Occlusions [9.400505355134728]
  本稿では,オブジェクトレベルの動作可能な事前条件と環境制約の両方を組み込んだ環境対応アベイランスフレームワークを提案する。 本稿では,1つのオクルーダーを含むシーンを学習し,複雑なオクルーダーの組み合わせでシーンに一般化できる新しいコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-14T08:24:32Z)
• Concept Drift and Long-Tailed Distribution in Fine-Grained Visual Categorization: Benchmark and Method [84.68818879525568]
  コンセプションドリフトとLong-Tailed Distributionデータセットを提案する。 インスタンスの特徴は時間によって異なり、長い尾の分布を示す傾向がある。 本稿ではCDLTに関連する学習課題に対処する機能組換えフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-04T12:42:45Z)
• Stateful active facilitator: Coordination and Environmental Heterogeneity in Cooperative Multi-Agent Reinforcement Learning [71.53769213321202]
  環境の調整レベルと不均一度の概念を定式化する。 異なるMARLアプローチの実証評価を容易にするマルチエージェント環境のスイートであるHECOGridを提案する。 本研究では,エージェントが高配向環境と高配向環境において効率的に作業することを可能にする訓練分散実行学習手法を提案する。
  論文  参考訳（メタデータ） (2022-10-04T18:17:01Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。