連続時間Bayesネットワークにおける構造学習とパラメータ推定のための機能モデル:複数の慢性状態のパターン同定への応用【JST・京大機械翻訳】

Faruqui Syed Hasib Akhter; Alaeddini Adel; Wang Jing; Jaramillo Carlos A.

プレプリント

J-GLOBAL ID：202202211058299842 整理番号：21P0042098

連続時間Bayesネットワークにおける構造学習とパラメータ推定のための機能モデル:複数の慢性状態のパターン同定への応用【JST・京大機械翻訳】

A Functional Model for Structure Learning and Parameter Estimation in Continuous Time Bayesian Network: An Application in Identifying Patterns of Multiple Chronic Conditions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月31日プレプリントサーバーでの情報更新日： 2021年07月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Bayesネットワークは,疾患モデリングと予測における主要なアプリケーションを持つ集合ランダム変数間の確率的関係を研究するための強力な統計的モデルである。ここでは,Poisson回帰として表される条件付き依存性を持つ連続時間Bayesネットワークを提案し,ネットワークの条件付き依存性に対する外因性変数の影響をモデル化した。また,提案したネットワークの構造とパラメータの効率的な学習のための密度ベースクラスタリングに基づく直感的初期停止特徴を有する適応正則化法を提案した。Veterans Affairの電子健康記録から抽出した複数の慢性状態の患者のデータセットを用いて,短期(1年前)と長期(多年前)予測の両方に対する文献における既存の方法のいくつかと提案した方法の性能を比較した。提案アプローチは,複数の慢性条件間の複雑な機能的関係のスパース直感的表現を提供する。また,事前条件の組み合わせを与えられた時間にわたって多重疾患軌跡を解析する能力も提供する。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , , , , ,

前のページに戻る