抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多重回帰のような従来の機械学習(ML)アルゴリズムは,データを処理する方法の決定を行うための人間分析者を必要とする。これらの決定は,モデル構築プロセスを主観的にし,モデルを構築できないものに複製するのを困難にする。深層学習は,人間分析者がアーキテクチャを構築すると,どの特徴が重要であるかを学習することを可能とする。したがって,従来のMLモデリングのための特定の人間の決定を自動化する方法は,再現性を改善し,モデル構築プロセスの主観的側面を取り除くのを助けるであろう。そのために,2Dデータを記述するための形状計量を用いて,より説明可能で解釈可能な解析を行う。提案した手法は,解釈可能かつ説明可能な方法でモデル構築の様々な側面を自動化するための基礎を提供する。これは,特に説明責任が重要な医療コミュニティにおける応用において重要である。確率分布,関数,およびモデル品質管理チェック(QQ-プロットのようなQQ-Plotsおよび残差解析など)から様々なシミュレーションデータセットを提供し,この方法の幅を示した。【JST・京大機械翻訳】