論文の概要: Modalities Should Talk to Each Other: Dual-Stream Multimodal Learning for Long-Horizon Influenza Forecasting
- arxiv url: http://arxiv.org/abs/2608.23373v1
- Date: Mon, 24 Aug 2026 15:20:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.165875
- Title: Modalities Should Talk to Each Other: Dual-Stream Multimodal Learning for Long-Horizon Influenza Forecasting
- Title（参考訳）: モダリティは互いに話し合うべき:長距離インフルエンザ予測のためのデュアルストリームマルチモーダル学習
- Abstract要約: 一般に入手可能な監視データセットは、通常、数値疫学的信号をノイズと組み合わせ、ゆるやかに構造化され、短期的な傾向にのみ間接的に関係しており、しばしば数値的な信号と相対的に関連付けられている。
我々は,36週間のマルチモーダル履歴から12週間のILI活動を予測するマルチモーダルディープラーニングフレームワークであるDual-Stream Attention (DSA)を提案する。
- 参考スコア（独自算出の注目度）: 1.2599533416395763
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Forecasting long-range influenza-like illness (ILI) matters for public health readiness. Publicly available surveillance datasets typically pair numeric epidemiological signals with textual information that is noisy, loosely structured, only indirectly related to near-term trends, and often lagged relative to the numeric signal. Fusing the two therefore requires careful design. We propose Dual-Stream Attention (DSA), a multimodal deep learning framework that forecasts 12-week-ahead ILI activity from a 36-week multimodal history by letting the numerical and textual streams condition each other. Using the Time-MMD health-domain dataset, DSA separately encodes the two modalities with a Transformer-based numerical encoder and a domain-adapted headline encoder, then couples them through a bidirectional Cross-Modal Attention (CMA) mechanism: the text (news headlines) conditions the interpretation of the numeric signal and vice versa. The CMA output then passes to a causal temporal model for forecasting. Evaluated across ten random seeds, DSA achieves a median test MSE of 0.416, versus 0.668, 0.607, and 0.851 for iTransformer, TaTS, and GPT4MTS, corresponding to mean-error reductions of 54.95%, 37.29%, and 67.23%, with paired Cohen's d of 0.555, 0.337, and 0.345, respectively, and ranks first in 100% of bootstrap draws. It also has substantially lower worst-window error than all baselines. On an external-geography dataset, DSA again ranks first among nine evaluated baselines. Ablations show the advantage does not depend on text-encoder choice or language-model fine-tuning, and that bidirectional attention outperforms either direction alone. Finally, perturbation-based faithfulness analysis shows the learned CMA is functionally informative under targeted masking, with a stronger effect in the text-to-numerical direction.
- Abstract（参考訳）: 長期インフルエンザ様疾患(ILI)の予知は公衆衛生に必要である。
一般に入手可能な監視データセットは、通常、数値疫学的信号と、ノイズがあり、ゆるやかに構造化され、短期的な傾向にのみ間接的に関係しており、しばしば数値信号と相対的にタグ付けされるテキスト情報とをペアリングする。
そのため、この2つは慎重に設計する必要がある。
我々は,36週間のマルチモーダル履歴から12週間のILI活動を予測するマルチモーダルディープラーニングフレームワークであるDual-Stream Attention (DSA)を提案する。
Time-MMDヘルスドメインデータセットを使用して、DSAはトランスフォーマーベースの数値エンコーダとドメイン適応のヘッドラインエンコーダで2つのモードを別々にエンコードし、双方向のクロスモーダルアテンション(CMA)メカニズムでそれらを結合する。
CMA出力は、予測のための因果時間モデルに渡される。
10個のランダム種子で評価され、DSAは平均誤差の54.95%、37.29%、67.23%に相当する0.416、0.668、0.607、0.851、ブートストラップドローをそれぞれ0.555、0.337、0.345、ブートストラップドローの100%にランク付けする。
また、すべてのベースラインよりも最悪のウィンドウエラーがかなり少ない。
外部地理データセットでは、DSAは9つの評価基準のうち1位に再びランクインした。
アブレーションは、テキストエンコーダの選択や言語モデルの微調整には依存せず、双方向の注意はどちらの方向よりも優れていることを示している。
最後に、摂動に基づく忠実度分析により、学習したCMAは、ターゲットマスキングの下で機能的に有意であり、テキストから数字への方向においてより強い影響を持つことが示された。
関連論文リスト
- SHIFT-M3: Pre-fusion Alignment-based Consistency Screening for Multimodal ECG Record Integrity [0.0]
マルチモーダルな臨床AIは通常、波形、レポート、メタデータ、下流の予測が同一患者のものであると仮定する。
我々は、この問題をマルチモーダルレコード整合性トリアージとして研究している。
本稿では、2つの別々のECGテキストビュー間のアライメントベースの一貫性を測定する軽量テキストベースのプリフュージョンスクリーンShift-M3を紹介する。
論文 参考訳（メタデータ） (2026-09-12T10:58:02Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - Causal State-Space Model for Causal Inference: Estimating Longitudinal Individual Treatment Effects [2.4405762029252465]
既存の方法は、治療代入に不変な表現をレンダリングする敵の訓練に依存している。
我々は, 逆実予測誤差に縛られたジェンセン・シャノンの発散により, この緊張関係を定式化する。
我々は、CSSD(Direct Decoder付きCausal State-Spaceモデル)とCSSPD(Predictive regularization付きCausal State-Spaceモデル)の2つの補完モデルを開発している。
論文 参考訳（メタデータ） (2026-08-08T18:41:36Z) - Anticipating the Optimism Gap: Predicting Distribution-Shift Degradation of RF-Impairment Detectors from In-Distribution Statistics [0.0]
電波障害の検知器は、通常、調整された分布で測定された単一のAUCで報告される。
アウト・オブ・ディストリビューション・データを見る前に、この楽観主義が予測できるかどうかを問う。
論文 参考訳（メタデータ） (2026-06-20T14:10:59Z) - Multimodal Evaluator Preference Collapse: Cross-Modal Contagion in Self-Evolving Agents [1.0152838128195467]
EPC(Evaluator Preference Collapse)はマルチモーダル環境で劇的に増幅されていることを示す。
次に、クロスモーダル感染と呼ばれる新しい現象を示す。
我々は、モデル間評価器アーキテクチャを優先ドリフトの主なリスク要因とみなす。
論文 参考訳（メタデータ） (2026-06-15T13:18:20Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - DiffGRM: Diffusion-based Generative Recommendation Model [63.35379395455103]
ジェネレーティブレコメンデーション(GR)は、トークン化器を介して各項目をn桁のセマンティックID(SID)として表現する新興パラダイムである。
自己回帰デコーダをマスク付き離散拡散モデル(MDM)に置き換える拡散ベースGRモデルDiffGRMを提案する。
実験では、複数のデータセットに対する強力な生成的および差別的推奨ベースラインよりも一貫した利得を示す。
論文 参考訳（メタデータ） (2025-10-21T03:23:32Z) - Cross-Attention with Confidence Weighting for Multi-Channel Audio Alignment [5.380078543698624]
マルチチャンネルオーディオアライメントは、生体音響モニタリング、空間オーディオシステム、音響ローカライゼーションにおいて重要な要件である。
マルチチャンネル音声同期を改善するために,クロスアテンション機構と信頼度重み付けスコアリングを組み合わせた手法を提案する。
提案手法は,BioDCASE 2025 Task 1 チャレンジにおいて,ディープラーニングベースラインの 0.58 に対して,テストデータセットの平均 0.30 MSE で1位となった。
論文 参考訳（メタデータ） (2025-09-21T05:14:06Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Comprehensive Graph-conditional Similarity Preserving Network for
Unsupervised Cross-modal Hashing [97.44152794234405]
教師なしクロスモーダルハッシュ(UCMH)は近年ホットトピックとなっている。
本稿では,dgcpn(deep graph-neighbor coherence preservation network)を考案する。
DGCPNは3種類のデータ類似性を利用して、損失を保存する包括的な類似性を管理する。
論文 参考訳（メタデータ） (2020-12-25T07:40:59Z)
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。