論文の概要: Evidence-Guided Neural Architecture Selection under Uncertainty for Subject-Specific Blood Glucose Forecasting

• arxiv url: http://arxiv.org/abs/2606.05373v1
• Date: Wed, 03 Jun 2026 19:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.359529
• Title: Evidence-Guided Neural Architecture Selection under Uncertainty for Subject-Specific Blood Glucose Forecasting
• Title（参考訳）: 被験者別血糖予測の不確実性を考慮したエビデンスガイド型ニューラルアーキテクチャ選択
• Authors: Md Azharul Islam, Dwyer Deighan, Tarunraj Singha, Danial Faghihi,
• Abstract要約: 本稿では,ベイジアントレーニング,エビデンスに基づくランキング,不確実性の下でのタスク固有の検証を統合したアーキテクチャ選択のためのフレームワークEVIDENTを提案する。 本手法は1型糖尿病患者の個別血糖予測に時間的畳み込みネットワーク(TCN)を用いた。
• 参考スコア（独自算出の注目度）: 0.3199881502576702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable neural architecture selection is an open challenge in time-series forecasting under limited, noisy, and heterogeneous data, where standard heuristic architecture design and validation approaches fail to ensure accurate and reliable prediction and generalization. We propose EVIDENT (EVidence-based IDEntification of Neural archiTectures), a framework for architecture selection that integrates Bayesian training, evidence-based ranking, and task-specific validation under uncertainty. The framework explores the candidate architecture pool and identifies the lowest-capacity model that satisfies a prescribed validation criterion. We demonstrate this method using temporal convolutional networks (TCNs) for individualized blood glucose forecasting in type 1 diabetes patients. The results show that EVIDENT systematically rejects both under- and over-parameterized TCN architectures on population-level diabetes data, while identifying models that generalize reliably to unseen patients. When multiple architectures are competitive, the framework further supports plausibility-weighted ensemble predictions that enhance predictive performance. Compared with a random-search baseline, EVIDENT identified smaller architectures with more consistent forecasting performance on unseen patients. These findings establish EVIDENT as a strategy to neural architecture discovery, enabling reliable model selection for high-consequence forecasting in data-limited and heterogeneous settings.
• Abstract（参考訳）: 信頼性のあるニューラルネットワークの選択は、制限されたノイズの多い異種データの下での時系列予測においてオープンな課題であり、標準的なヒューリスティックアーキテクチャの設計と検証アプローチは正確で信頼性の高い予測と一般化を保証することができない。 本稿では,ベイジアントレーニング,エビデンスに基づくランキング,不確実性の下でのタスク固有の検証を統合したアーキテクチャ選択のためのフレームワークであるEVIDENT(EVidence-based IDEntification of Neural ArchiTectures)を提案する。 このフレームワークは、候補アーキテクチャプールを探索し、所定の検証基準を満たす最低容量モデルを特定する。 本手法は1型糖尿病患者の個別血糖予測に時間的畳み込みネットワーク(TCN)を用いた。 その結果、EVIDENTは、人口レベルの糖尿病データに基づいて、低パラメータと過パラメータのTNアーキテクチャの両方を体系的に拒絶し、不妊患者に確実に一般化するモデルを同定した。 複数のアーキテクチャが競合する場合、このフレームワークはさらに、予測性能を高めるための可視性重み付きアンサンブル予測をサポートする。 ランダム検索のベースラインと比較すると、EVIDENTは、目に見えない患者に対してより一貫した予測性能を持つより小さなアーキテクチャを特定した。 これらの知見は、EVIDENTをニューラルネットワーク発見の戦略として確立し、データ制限および異種設定における高精度予測のための信頼性の高いモデル選択を可能にする。

関連論文リスト

• CoCAI: Copula-based Conformal Anomaly Identification for Multivariate Time-Series [0.3495246564946556]
  本稿では、生成人工知能とコプラに基づくモデリングの力を利用して、正確な予測を行い、堅牢な異常検出を可能にする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T14:15:31Z)
• Drought forecasting using a hybrid neural architecture for integrating time series and static data [1.631189594086952]
  本稿では,時系列と静的データを統合し,Droughtedデータセットの最先端性能を実現するハイブリッドニューラルネットワークアーキテクチャを提案する。 この結果から,気候関連タスクにおける異種データ処理のためのニューラルモデルの設計の可能性が示唆された。 この研究は、深層学習モデルの位置情報に依存しないトレーニングを可能にするためのDroughtedの可能性を検証する。
  論文  参考訳（メタデータ） (2025-04-08T12:11:34Z)
• Refining Tuberculosis Detection in CXR Imaging: Addressing Bias in Deep Neural Networks via Interpretability [1.9936075659851882]
  実験データから完全な分類精度を得ることができたとしても,深層学習モデルの信頼性は限られていると論じる。 大規模プロキシタスクでディープニューラルネットワークを事前トレーニングし、MOON(Mixed objective Optimization Network)を使用することで、モデルとエキスパート間の決定基盤の整合性を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-07-19T06:41:31Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Screening for Diabetes Mellitus in the U.S. Population Using Neural Network Models and Complex Survey Designs [2.3849116823891987]
  本稿では,ニューラルネットワーク(NN)モデルを用いた回帰と分類のための一般的な予測フレームワークを提案する。 この枠組みを適用し、アメリカの人口における糖尿病のリスクを評価するための頑健なリスクスコアモデルを開発する。 糖尿病に焦点が当てられているが、このNN予測フレームワークは様々な疾患や医療コホートにまたがる臨床モデルの開発に適応できる。
  論文  参考訳（メタデータ） (2024-03-28T18:06:11Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。