論文の概要: Genetic Programming with Model Driven Dimension Repair for Learning Interpretable Appointment Scheduling Rules

• arxiv url: http://arxiv.org/abs/2509.02034v1
• Date: Tue, 02 Sep 2025 07:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.941956
• Title: Genetic Programming with Model Driven Dimension Repair for Learning Interpretable Appointment Scheduling Rules
• Title（参考訳）: モデル駆動次元補修を用いた遺伝的プログラミングによる解釈可能な割当てスケジューリング規則の学習
• Authors: Huan Zhang, Yang Wang, Ya-Hui Jia, Yi Mei,
• Abstract要約: 我々は,次元の整合性と高い性能でARを進化させるために,次元の修復を施した新しい次元認識型GPアルゴリズムを開発した。 本手法を総合的なシミュレート・クリニックで評価する。
• 参考スコア（独自算出の注目度）: 9.767522152773589
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Appointment scheduling is a great challenge in healthcare operations management. Appointment rules (AR) provide medical practitioners with a simple yet effective tool to determine patient appointment times. Genetic programming (GP) can be used to evolve ARs. However, directly applying GP to design ARs may lead to rules that are difficult for end-users to interpret and trust. A key reason is that GP is unaware of the dimensional consistency, which ensures that the evolved rules align with users' domain knowledge and intuitive understanding. In this paper, we develop a new dimensionally aware GP algorithm with dimension repair to evolve ARs with dimensional consistency and high performance. A key innovation of our method is the dimension repair procedure, which optimizes the dimensional consistency of an expression tree while minimizing structural changes and ensuring that its output dimension meets the problem's requirements. We formulate the task as a mixed-integer linear programming model that can be efficiently solved using common mathematical programming methods. With the support of the dimension repair procedure, our method can explore a wider range of AR structures by temporarily breaking the dimensional consistency of individuals, and then restoring it without altering their overall structure, thereby identifying individuals with greater potential advantages. We evaluated the proposed method in a comprehensive set of simulated clinics. The experimental results demonstrate that our approach managed to evolve high-quality ARs that significantly outperform not only the manually designed ARs but also existing state-of-the-art dimensionally aware GP methods in terms of both objective values and dimensional consistency. In addition, we analyzed the semantics of the evolved ARs, providing insight into the design of more effective and interpretable ARs.
• Abstract（参考訳）: 割り当てスケジューリングは、医療運用管理において大きな課題である。 Appointment Rule(AR)は、医療従事者に対して、患者の予約時間を決定するためのシンプルで効果的なツールを提供する。 遺伝的プログラミング(GP)はARの進化に利用できる。 しかし、ARの設計にGPを直接適用することは、エンドユーザが解釈し、信頼することの難しいルールにつながる可能性がある。 GPは、進化したルールがユーザのドメイン知識と直感的な理解と整合していることを保証する。 本稿では,次元の整合性と高い性能でARを進化させるために,次元の修正を施した新しい次元認識型GPアルゴリズムを開発する。 本手法の重要な革新は,構造変化を最小限に抑えつつ表現木の次元整合性を最適化し,その出力次元が問題の要求を満たすことを保証する次元補修手順である。 我々は,このタスクを混合整数線形プログラミングモデルとして定式化し,一般的な数学的プログラミング手法を用いて効率的に解けるようにした。 本手法は, 寸法修復法の支援により, 個人の次元的整合性を一時的に破壊し, 全体の構造を変えることなく復元することにより, より広い範囲のAR構造を探索することができる。 本手法を総合的なシミュレート・クリニックで評価した。 実験結果から,手動設計したARだけでなく,目標値と次元整合性の両方の観点から,既存の最先端のGP手法よりも優れる高品質なARの進化が得られた。 さらに、進化したARのセマンティクスを分析し、より効果的で解釈可能なARの設計に関する洞察を提供する。

関連論文リスト

• Toward Reliable AR-Guided Surgical Navigation: Interactive Deformation Modeling with Data-Driven Biomechanics and Prompts [21.952265898720825]
  本稿では,計算効率を向上しつつ,FEMレベルの精度を維持するデータ駆動アルゴリズムを提案する。 変形モデリングプロセスに新たなヒューマン・イン・ザ・ループ機構を導入する。 提案アルゴリズムは, 平均目標登録誤差を3.42mmとし, ボリューム精度で最先端の手法を超越した。
  論文  参考訳（メタデータ） (2025-06-08T14:19:54Z)
• Implicit Deformable Medical Image Registration with Learnable Kernels [0.6749750044497731]
  変形可能な医用画像登録は、コンピュータ支援の介入において必須の課題である。 最近のAI手法は、精度とスピードで従来の技術より優れている。 正確かつ信頼性の高い変形を予測できる新しい暗黙の登録フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-06-02T18:27:11Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• High Dimensional Causal Inference with Variational Backdoor Adjustment [57.31312942774617]
  我々は,高次元治療と共同設立者のバックドア調整のための生成的モデリングアプローチを採っている。 半合成X線医療データを含む多種多様な高次元環境における介入可能性の推定が可能となる。
  論文  参考訳（メタデータ） (2023-10-09T19:21:41Z)
• Stabilizing Q-learning with Linear Architectures for Provably Efficient Learning [53.17258888552998]
  本研究では,線形関数近似を用いた基本的な$Q$-learningプロトコルの探索変種を提案する。 このアルゴリズムの性能は,新しい近似誤差というより寛容な概念の下で,非常に優雅に低下することを示す。
  論文  参考訳（メタデータ） (2022-06-01T23:26:51Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Joint Scene and Object Tracking for Cost-Effective Augmented Reality Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
  放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。 本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-05T10:20:46Z)

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。