268865記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 右検閲データ下における二標本検定のための機械学習（Machine Learning for Two-Sample Testing under Right-Censored Data）
2 分で読了
0 views

右検閲データ下における二標本検定のための機械学習

（Machine Learning for Two-Sample Testing under Right-Censored Data）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お忙しいところ失礼します。先日、部下が”right-censored”という言葉を使って二標本検定をやるべきだと言いまして、正直ピンと来ません。これって要するに何を調べようとしているのでしょうか。

AIメンター拓海

田中専務、素晴らしい着眼点ですね！簡単に言うと、right-censoredは「観測が途中で終わる」データのことです。二標本検定は二つのグループが同じかどうかを統計的に判定する手法で、ここに機械学習を活用した研究がありますよ。

田中専務

観測が途中で終わる、ですか。例えば製品の耐久試験で途中で打ち切った場合がそれに当たる、という理解で合っていますか。であれば現場でも起こり得る問題ですね。

AIメンター拓海

その通りです。具体的には、ある時点で試験を打ち切ったため寿命が完全には観測されないようなケースを指します。今回の研究はそうしたデータに対して、従来の統計手法と機械学習を組み合わせて検定を行う方法を検証しています。

田中専務

なるほど。現場ではデータ欠損や途中打ち切りがあり得ますが、機械学習を入れると何が良くなるのですか。投資対効果の観点で教えてください。

AIメンター拓海

良い質問です。要点は三つありますよ。第一に、局所的な変化を捉える感度が上がること、第二に、複数の古典的検定を

論文研究シリーズ
前の記事
迷路が迷路に見える理由
（What Makes a Maze Look Like a Maze?）
次の記事
オプション列の適応による合成
（Composing Option Sequences by Adaptation: Initial Results）
関連記事
能動的異常検知とDeep One-class Classification
（Active Anomaly Detection based on Deep One-class Classification）
カリフォルニアにおける野火の焼損強度を空間Super Learnerでモデル化 — Modelling wildland fire burn severity in California using a spatial Super Learner approach
Open RANにおけるネットワークスライシングとリソース割当のためのセキュアエッジサーバ
（Demo: Secure Edge Server for Network Slicing and Resource Allocation in Open RAN）
When to Trust AI: Advances and Challenges for Certification of Neural Networks
（ニューラルネットワークの認証に関する進展と課題）
少数ショットプロンプトチューニングにおけるトロイ注入
（TrojFSP: Trojan Insertion in Few-shot Prompt Tuning）
deepMiRGene：前駆microRNA予測のための深層ニューラルネットワーク
（deepMiRGene: Deep Neural Network based Precursor microRNA Prediction）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
多強度敵対的訓練法
（MAT: A Multi-strength Adversarial Training Method to Mitigate Adversarial Attacks）
  • 論文研究
未知の非線形ダイナミクスを持つ系の確率フィードバック制御
（Stochastic Feedback Control of Systems with Unknown Nonlinear Dynamics）
  • 論文研究
ディープマッチングと検証ネットワーク
（Deep Matching and Validation Network）
  • 論文研究
電子カルテから見出すバンドルケアの機会
（Learning Bundled Care Opportunities from Electronic Medical Records）
  • 論文研究
小マゼラン雲における深部Chandraサーベイ：X線パルサーのタイミング解析
（Deep Chandra Survey of the Small Magellanic Cloud: Timing Analysis of X-ray Pulsars）
  • 論文研究
カテゴリ認識セマンティックエッジ検出
（CASENet: Deep Category-Aware Semantic Edge Detection）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む