文献

J-GLOBAL ID：202202286391044989   整理番号：22A0310862

多変量時系列分析のためのマルチインスタンス学習のベンチマーク【JST・京大機械翻訳】

Benchmarking Multi-instance Learning for Multivariate Time Series Analysis

著者 (2件)： Babayev Rufat (Fraunhofer ITEM, Hannover, Germany) ,  Wiese Lena (Fraunhofer ITEM, Hannover, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12921  ページ： 103-120  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： データマイニングツールへの電子健康記録の成功した組み込みは,デジタル臨床データ分析における新しいフロンティアを作成した。臨床データ分析の良く知られた応用の一つは,集中治療室(ICU)における患者の死亡率予測である。死亡率予測の1つの重要な側面は,ICU入院の24または48時間後の多変量時系列観察の分析である。ICU患者に対する最近の死亡率予測モデルは,タイムスタンプ観察の統計的要約を用いた再発性ニューラルネットワークまたは従来の機械学習アルゴリズムのいずれかに基づいている。複雑なニューラルネットワークアーキテクチャと統計的要約を使用する代わりに,元の観測の表現性を維持することによって,多変量時系列をマルチインスタンス表現に変換する。次に,マルチインスタンス機械学習アルゴリズムを用いて死亡率予測を行った。著者らの経験的研究は,マルチインスタンス表現が,種々の実験において同等またはより良い(いくつかの構成において)性能を達成することを示した。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： *時系列分析 ,  予測 ,  ニューラルネットワーク ,  死亡率 ,  患者 ,  *ベンチマーク ,  ICU【医療】 ,  機械学習 ,  学習アルゴリズム ,  電子カルテ ,  予測モデル ,  データマイニング
準シソーラス用語： 臨床データ ,  タイムスタンプ ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチインスタンス学習 ,  多変量時系列解析 ,  統計的要約を用いた機械学習 ,  記述統計 ,  アンサンブル法

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 多変量 ,  時系列分析 ,  マルチインスタンス学習 ,  ベンチマーク