論文の概要: Intended Target Identification for Anomia Patients with Gradient-based Selective Augmentation
- arxiv url: http://arxiv.org/abs/2506.14203v1
- Date: Tue, 17 Jun 2025 05:44:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 17:34:59.345584
- Title: Intended Target Identification for Anomia Patients with Gradient-based Selective Augmentation
- Title(参考訳): グラディエントに基づく選択的拡張を伴う無酸素症患者の意図的目標同定
- Authors: Jongho Kim, Romain Storaï, Seung-won Hwang,
- Abstract要約: 言語モデル(LM)の有用性について検討した。
対象項目を患者の割礼から特定するには,長期的障害と誤診の2つの課題がある。
本稿では,意味的パラファシックな誤りからモデルをロバスト化し,勾配に基づく選択的拡張を伴う不明瞭な用語でモデルを強化することを提案する。
- 参考スコア(独自算出の注目度): 21.876039186634934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we investigate the potential of language models (LMs) in aiding patients experiencing anomia, a difficulty identifying the names of items. Identifying the intended target item from patient's circumlocution involves the two challenges of term failure and error: (1) The terms relevant to identifying the item remain unseen. (2) What makes the challenge unique is inherent perturbed terms by semantic paraphasia, which are not exactly related to the target item, hindering the identification process. To address each, we propose robustifying the model from semantically paraphasic errors and enhancing the model with unseen terms with gradient-based selective augmentation. Specifically, the gradient value controls augmented data quality amid semantic errors, while the gradient variance guides the inclusion of unseen but relevant terms. Due to limited domain-specific datasets, we evaluate the model on the Tip-of-the-Tongue dataset as an intermediary task and then apply our findings to real patient data from AphasiaBank. Our results demonstrate strong performance against baselines, aiding anomia patients by addressing the outlined challenges.
- Abstract(参考訳): 本研究では,失語症患者支援における言語モデル(LM)の有用性について検討した。
対象項目を患者の周知から特定するには, 長期的失敗と誤りの2つの課題がある: (1) 対象項目の特定に関連する用語は, いまだ見つからない。
2) 課題を独特なものにしているのは, 意味的失語による固有の摂動用語であり, 対象項目と厳密に関係がないため, 識別プロセスの妨げとなる。
それぞれに対処するために、意味的パラファシックな誤りからモデルを頑健化させ、勾配に基づく選択的拡張を伴う見当たらない用語でモデルを強化することを提案する。
特に、勾配値がセマンティックエラーの中で拡張データ品質を制御する一方、勾配分散は目に見えないが関連する用語を含むことを導く。
ドメイン固有のデータセットが限られているため、Tip-of-the-Tongueデータセットのモデルを仲介タスクとして評価し、AphasiaBankの実際の患者データに適用する。
以上の結果から, 基礎疾患に対する治療効果が強く, 課題を概説した。
関連論文リスト
- Preference Learning for AI Alignment: a Causal Perspective [55.2480439325792]
私たちはこの問題を因果パラダイムに枠組み化し、永続的な課題を特定するための因果関係の豊富なツールボックスを提供します。
因果推論の文献を継承し、信頼性の高い一般化に必要な重要な仮定を特定する。
そこで本研究では, 因果関係に基づくアプローチがモデルロバスト性をいかに改善するかを, ナイーブ報酬モデルの障害モードを例示する。
論文 参考訳(メタデータ) (2025-06-06T10:45:42Z) - Learning Compact and Robust Representations for Anomaly Detection [0.21427777919040417]
本稿では,3つの重要な特性を強制する異常検出のための対照的な前文タスクを提案する。
これらの特性は協調して、異常検出のためのより堅牢で差別的な特徴空間を確保する。
提案手法は,NT-Xentの約12倍,Rot-SupConの約7倍のコンバージェンスを実現し,性能が向上した。
論文 参考訳(メタデータ) (2025-01-09T10:33:16Z) - Bayesian inference of a new Mallows model for characterising symptom
sequences applied in primary progressive aphasia [0.13499500088995461]
症状列の特徴付けのためのベイズ推定について検討する。
我々は、部分的なランク付けと右検閲データを考慮するために、Mallowsモデルを適用する。
これは症状発生の臨床的理解を高める可能性を秘めている。
論文 参考訳(メタデータ) (2023-11-22T14:16:20Z) - Cross-Task Data Augmentation by Pseudo-label Generation for Region Based Coronary Artery Instance Segmentation [6.611985866622974]
冠動脈疾患(CAD)は予防できるが、死因や障害の主な原因の一つである。
限られた量のデータとデータセットのキュレーションが難しいため、セグメンテーションのタスクは難しいことが証明されている。
血管造影データセットにおける限られたデータの問題に対処するために擬似ラベルを導入し,ベースラインYOLOモデルの性能を向上させる。
論文 参考訳(メタデータ) (2023-10-08T04:54:12Z) - Nonparametric Identifiability of Causal Representations from Unknown
Interventions [63.1354734978244]
本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。
我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
論文 参考訳(メタデータ) (2023-06-01T10:51:58Z) - Semantic Coherence Markers for the Early Diagnosis of the Alzheimer
Disease [0.0]
パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。
我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。
ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
論文 参考訳(メタデータ) (2023-02-02T11:40:16Z) - SLA$^2$P: Self-supervised Anomaly Detection with Adversarial
Perturbation [77.71161225100927]
異常検出は、機械学習の基本的な問題であるが、難しい問題である。
本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
論文 参考訳(メタデータ) (2021-11-25T03:53:43Z) - Exploiting Sample Uncertainty for Domain Adaptive Person
Re-Identification [137.9939571408506]
各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。
不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
論文 参考訳(メタデータ) (2020-12-16T04:09:04Z) - Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions
Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。
wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。
新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文 参考訳(メタデータ) (2020-12-08T02:26:03Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳(メタデータ) (2020-05-15T06:57:54Z)
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。