2 分で読了
0 views

動的計測スケジューリングによるイベント予測

(Dynamic Measurement Scheduling for Event Forecasting Using Deep RL)

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、忙しいところすみません。ICUの患者さんについて、何をいつ測れば良いかをAIで決められると聞きましたが、要するに検査を減らしても見逃さないという話ですか?

AIメンター拓海

素晴らしい着眼点ですね!大筋はその通りです。ここで言うのは『いつ何を測定するかを動的に決める』ポリシーを学習し、測定コストを下げつつ予測性能を保つか向上させることですよ。

田中専務

なるほど。ただ、病院の現場にそれを入れるとなると、医師は面倒がるのではないですか。投資対効果が本当に出るのか心配です。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。要点を3つだけ先に示すと、1)測定はコストがかかる、2)全て測れば良い訳ではない、3)状態に応じて賢く選べると効率が上がる、ですよ。

田中専務

これって要するに『必要な時に必要な検査だけを選んで、無駄を減らす』ということですか?

AIメンター拓海

その通りです。加えて、この研究は単に固定ルールで選ぶのではなく、患者の経過(過去の観測履歴)に応じて動的に判断する点が肝心なんです。

田中専務

動的というのは、その都度AIが判断するのですか。それと、学習に時間がかかるのではないですか?

AIメンター拓海

動的に判断しますよ。内部では長短期記憶を扱えるLSTM(Long Short-Term Memory、LSTM)という予測モデルで患者の状態を把握し、強化学習(Reinforcement Learning、RL)で何を測るかを学ぶ、という流れです。

田中専務

ほう。LSTMと強化学習を組み合わせると。では導入後に現場が混乱しないように説明はできますか。医師に『なぜこれを測れと言うのか』が示せる必要があります。

AIメンター拓海

説明可能性は重要ですね。ここでは、各測定の

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
建設現場で走る自律ロボットのための軽量リアルタイム画面分割
(Real-time Scene Segmentation Using a Light Deep Neural Network Architecture for Autonomous Robot Navigation on Construction Sites)
次の記事
ニューラルネットワークのアブレーション研究入門
(Ablation Studies in Artificial Neural Networks)
関連記事
セルフオーガナイジングネットワークの故障管理におけるDeep Q学習
(Deep Q-Learning for Self-Organizing Networks Fault Management and Radio Performance Improvement)
解釈可能な学習のためのニューラルシンボリック論理規則学習器
(NEURAL SYMBOLIC LOGICAL RULE LEARNER FOR INTERPRETABLE LEARNING)
高精度屋内再構築のための法線偏差場学習
(ND-SDF: LEARNING NORMAL DEFLECTION FIELDS)
双対二重性:制約付き強化学習の変分プライマル・デュアル方策最適化
(Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning)
有機導体の磁場・温度相図
(Magnetic field – temperature phase diagram of the organic conductor)
GitHub Issuesはアプリレビュー分類の助けになるか?
(Can GitHub Issues Help in App Review Classifications?)
関連タグ
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)
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)
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)

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
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