論文の概要: RanAT4BIE: Random Adversarial Training for Biomedical Information Extraction

• arxiv url: http://arxiv.org/abs/2509.11191v1
• Date: Sun, 14 Sep 2025 09:40:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.968487
• Title: RanAT4BIE: Random Adversarial Training for Biomedical Information Extraction
• Title（参考訳）: RanAT4BIE:バイオメディカル情報抽出のためのランダム適応学習
• Authors: Jian Chen, Shengyi Lv, Leilei Su,
• Abstract要約: ランダム逆行訓練(RAT)は、生体情報抽出タスクにうまく適用された新しいフレームワークである。 RATは、ランダムサンプリング機構と敵の訓練原理を統合し、強化されたモデル一般化とロバスト性を達成する。 結果は、生物医学的な自然言語処理のための変換フレームワークとしてのRATの可能性を強調した。
• 参考スコア（独自算出の注目度）: 3.350193187012561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce random adversarial training (RAT), a novel framework successfully applied to biomedical information extraction (BioIE) tasks. Building on PubMedBERT as the foundational architecture, our study first validates the effectiveness of conventional adversarial training in enhancing pre-trained language models' performance on BioIE tasks. While adversarial training yields significant improvements across various performance metrics, it also introduces considerable computational overhead. To address this limitation, we propose RAT as an efficiency solution for biomedical information extraction. This framework strategically integrates random sampling mechanisms with adversarial training principles, achieving dual objectives: enhanced model generalization and robustness while significantly reducing computational costs. Through comprehensive evaluations, RAT demonstrates superior performance compared to baseline models in BioIE tasks. The results highlight RAT's potential as a transformative framework for biomedical natural language processing, offering a balanced solution to the model performance and computational efficiency.
• Abstract（参考訳）: 本稿では,バイオメディカル情報抽出(BioIE)タスクに有効な新しいフレームワークであるRATを導入する。 本研究は,PubMedBERTを基本アーキテクチャとして構築し,BioIEタスクにおける事前学習言語モデルの性能向上における従来の対人訓練の有効性を検証した。 敵のトレーニングは、様々なパフォーマンス指標で大幅に改善される一方で、かなりの計算オーバーヘッドももたらされる。 この制限に対処するため,生物医学的情報抽出のための効率的な解法としてRATを提案する。 このフレームワークは、ランダムサンプリング機構を敵の訓練原理と戦略的に統合し、モデル一般化とロバストネスの強化と計算コストの大幅な削減という2つの目的を達成する。 総合評価により、RATはBioIEタスクのベースラインモデルよりも優れた性能を示す。 結果は,生物医学的な自然言語処理のための変換フレームワークとしてのRATの可能性を強調し,モデル性能と計算効率のバランスのとれたソリューションを提供する。

関連論文リスト

• Cost-effective Reduced-Order Modeling via Bayesian Active Learning [12.256032958843065]
  本研究では,不確実性を意識したベイズ固有分解(POD)に基づく能動的学習フレームワークBayPOD-ALを提案する。 棒の温度変化を予測する実験結果から,ベイポッドALの有効性が示唆された。 トレーニングデータセットよりも高時間分解能のデータセット上で,ベイポD-ALの性能を評価することにより,ベイポD-ALの一般化性と効率を実証する。
  論文  参考訳（メタデータ） (2025-06-27T21:23:37Z)
• Boosting Automatic Exercise Evaluation Through Musculoskeletal Simulation-Based IMU Data Augmentation [0.0]
  本稿では,運動軌跡の体系的な修正と統合された筋骨格シミュレーションを用いて,現実的なIMUデータを生成する新しいデータ拡張手法を提案する。 本手法はバイオメカニカル・ポーラビリティを保証し,逆パラメータと知識に基づく評価戦略を組み合わせることで,自動的,信頼性の高いラベル付けを可能にする。 本研究は,理学療法演習評価における深層学習の課題を克服するために,本手法の有効性と有効性について考察した。
  論文  参考訳（メタデータ） (2025-05-30T09:53:37Z)
• Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
  $k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-12-15T14:04:23Z)
• BIOptimus: Pre-training an Optimal Biomedical Language Model with Curriculum Learning for Named Entity Recognition [0.0]
  大規模コーパス上での自己教師型設定で事前訓練された言語モデル(LM)を用いることで,ラベルデータに制限があるという問題に対処できる。 最近のバイオメディカル言語処理の研究は、多くのバイオメディカルLMを事前訓練した。 本稿では, バイオメディカル LM をスクラッチから事前訓練し, 継続的に事前訓練するなど, 様々な事前訓練方法を検討することを目的とする。
  論文  参考訳（メタデータ） (2023-08-16T18:48:01Z)
• BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
  汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。 本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
  論文  参考訳（メタデータ） (2023-05-26T17:14:43Z)
• On the Robustness of Random Forest Against Untargeted Data Poisoning: An Ensemble-Based Approach [42.81632484264218]
  機械学習モデルでは、トレーニングセット(中毒)の分画の摂動が、モデルの精度を著しく損なう可能性がある。 本研究の目的は、ランダムな森林を標的のない無作為な毒殺攻撃から保護する、新しいハッシュベースのアンサンブルアプローチを実現することである。
  論文  参考訳（メタデータ） (2022-09-28T11:41:38Z)
• BERT WEAVER: Using WEight AVERaging to enable lifelong learning for transformer-based models in biomedical semantic search engines [49.75878234192369]
  We present WEAVER, a simple, yet efficient post-processing method that infuse old knowledge into the new model。 WEAVERを逐次的に適用すると、同じ単語の埋め込み分布が、一度にすべてのデータに対する総合的なトレーニングとして得られることを示す。
  論文  参考訳（メタデータ） (2022-02-21T10:34:41Z)
• Automatic Gesture Recognition in Robot-assisted Surgery with Reinforcement Learning and Tree Search [63.07088785532908]
  共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。 我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2020-02-20T13:12:38Z)

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。