文献

J-GLOBAL ID：202002263742326886   整理番号：20A1197846

小児における自閉症の探索と分類におけるMeta-発見的モデルベースの計算知能【JST・京大機械翻訳】

A Meta-Heuristic Model Based Computational Intelligence in Exploration and Classification of Autism in Children

著者 (3件)： Abirami S. P. (Department of Computer Science and Engineering, Coimbatore Institute of Technology, Coimbatore, India) ,  Kousalya G. (Department of Computer Science and Engineering, Coimbatore Institute of Technology, Coimbatore, India) ,  Balakrishnan P. (School of Computer Science and Engineering, VIT University, Vellore, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1148  ページ： 61-77  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： 自閉症スペクトラム障害(ASD)は,両親,臨床医,および現在の時代の研究者においてさえ,主要な告知を得た最も顕著な神経発達障害の1つである。自閉症の早期同定は,両親と臨床医にとって非常に必要なサポートである。提案した方法論は,前者を最大化し,後者を最小化するために,特徴対クラスと特徴間の相関を分析し,発見することにより,そのような容易で早期診断のための計算モデルを構築することを目的とした。特徴間の相関を,(i)フィルタ法におけるカイ二乗計算技術と(ii)情報利得を用いて解析した。相関を分析することに関して,すべての技術の結果としての属性を標準線形SVM分類装置の下で別々に訓練して,次にモデル性能と精度のためにテストした。提案した研究の2つの主要な貢献がある。【方法】1:遺伝的アルゴリズム(GA)の応用に関するアンケートから,カイ二乗および情報獲得分析から抽出された最適化された特徴を取り入れるモデルを構築する。次に,最適化された特徴を訓練し,SVM線形分類器のサポートにおける自閉症を分類するためにテストした。【方法】自閉症の存在を分類するために,逆伝播フィードフォワード神経回路網の応用に基づくモデルを構築する。本論文は,最大化された精度,特異性,性能および最小化誤差を有する自閉症の陽性クラスラベルのより良くてより速い収束を確実にした。本論文の新規性は,自閉症の早期介入をサポートする臨床医に近づく前に,家庭での両親による事前分析を行うために,モデリングのための重要な特徴を抽出することの事実にある。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  情報収集 ,  フィードフォワード ,  *人工知能 ,  子供 ,  アンケート ,  *自閉症 ,  早期診断 ,  神経回路網 ,  計算モデル ,  遺伝的アルゴリズム
準シソーラス用語： *モデルベース ,  臨床医 ,  特異性 ,  自閉症スペクトラム障害 , 【Automatic Indexing@JST】

著者キーワード (6件)： 自閉症スペクトラム障害 ,  早期同定 ,  分類 ,  特徴同定 ,  カイスクエア ,  バックプロパゲーション

分類 (1件)： 精神障害の診断  (GR02000T)

タイトルに関連する用語 (7件)： 小児 ,  自閉症 ,  探索 ,  分類 ,  発見 ,  モデルベース ,  計算知能