文献

J-GLOBAL ID：202002235248203091   整理番号：20A2473170

脳卒中患者の退院計画のための予測クラスタリング学習アルゴリズム【JST・京大機械翻訳】

Predictive Clustering Learning Algorithms for Stroke Patients Discharge Planning

著者 (1件)： Lella Luigi (ASUR Marche, Ancona, Italy)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1288  ページ： 435-442  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 脳卒中患者退院計画は,適切な意思決定支援システムの使用により実施可能な複雑なタスクである。そのようなプラットフォームは,最良の結果に達するために教師なし機械学習アルゴリズムに基づくべきである。より具体的には,この種の予測タスククラスタリング学習アルゴリズムは,他の教師なしモデルよりも性能が良いようである。これらのアルゴリズムは,治療された臨床症例をグループに独立して分割することができ,治療結果の予測精度を改善するために,考慮に入れた臨床変数の間の興味深い相関を発見することができる。本研究は,脳卒中患者の退院計画で使用される他の教師つきおよび教師なしアルゴリズムの予測精度と,特定のクラスタ化学習アルゴリズムの予測精度を比較することを目的とした。この機械学習モデルは入力空間トポロジーを正確に同定できる。言い換えれば,任意の予測タスクを正しく行うために考慮に入れられる属性の部分集合を独立に選択する能力によって特性化される。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  位相幾何学 ,  ニューラルネットワーク ,  *クラスタ化 ,  キャラクタリゼーション ,  意思決定支援システム ,  機械学習 ,  *学習アルゴリズム ,  データマイニング
準シソーラス用語： 予測精度 ,  *脳卒中患者 ,  教師なし機械学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  ニューラルネットワーク ,  データマイニング

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 脳卒中患者 ,  退院計画 ,  予測 ,  クラスタリング ,  学習アルゴリズム