文献

J-GLOBAL ID：201802251442780774   整理番号：18A1770604

ゲート付き再帰神経学習と交差標識周波数を用いたインテリジェントデング熱【JST・京大機械翻訳】

Intelligent Dengue Infoveillance Using Gated Recurrent Neural Learning and Cross-Label Frequencies

著者 (2件)： Livelo Evan Dennison (De La Salle University - Manila, College of Computer Studies, Manila, Philippines) ,  Cheng Charibeth (De La Salle University - Manila, College of Computer Studies, Manila, Philippines)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICA  ページ： 2-7  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： フィリピンのような熱帯諸国の主要な関心事となっているデングにより,公衆衛生局は,迅速な緊急対応を容易にする可能性があるように,デング活動の存在と大きさを正確に決定できることが重要である。社会的媒体からの公的に利用可能なデータの大規模な流れの普及は,この可能性をinveを通して可能にする。Infoveillanceは,公衆衛生に関する意思決定のための健康関連データを収集するためのオンライン相互作用の観察と分析を含む。本論文では,事前に訓練された単語埋め込みとクロスラベル周波数計算を組み込んだ,ゲート付き再帰ニューラルネットワーク分類モデルを用いて,デング情報を実行する公衆衛生エージェントモデルを提示した。著者らは,その一次環境としてフィリピンTwitter川に働くエージェントを設定した。さらに,著者らは,人間のラベルを付けたツイートのholアウト集合を用いて,エージェント分類能力を評価した。その後,著者らは,訓練されたエージェントがフィリピンからの6か月のtweの流れで動作する歴史的シミュレーションを実行し,その時間周期の実際のデング罹患率データとその情報を相関させた。実験により,このエージェントは,低損失のデング関連ツイートを正確に同定できることを示した。さらに,エージェントモデルは実際のデング活動を決定するために使用でき,高い信頼性を持つ早期警報システムとして役立つことを確認した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  相互作用 ,  意思決定 ,  *学習 ,  ニューラルネットワーク ,  河川 ,  フィリピン共和国 ,  熱帯 ,  公衆衛生 ,  *周波数 ,  *デング熱 ,  緊急対策 ,  単語 ,  エージェント
準シソーラス用語： オンライン , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ゲート ,  神経 ,  学習 ,  交差 ,  標識 ,  デング熱