Neural network models for breast cancer prognosis
PulseAugur coverage of Neural network models for breast cancer prognosis — every cluster mentioning Neural network models for breast cancer prognosis across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的混合贝叶斯-连接主义模型提高了行为预测的准确性
研究人员开发了一种名为贝叶斯蒸馏行为调优（BBT）的新方法，该方法结合了贝叶斯模型和神经网络的优势，以实现更准确的行为预测。该方法首先使用合成数据训练神经网络来模仿贝叶斯模型，然后针对实际人类行为进行微调。在人类概念学习的四个案例研究中，BBT在预测行为方面表现出优越的性能，并提供了心理学见解，同时捕捉了贝叶斯先验和违反简单建模假设的细微差别。
-
残差学习增强资产定价的AI模型
一篇新的研究论文提出将残差学习作为一种方法，以深化用于实证资产定价的神经网络模型。这种方法允许构建更复杂的模型，同时保留浅层模型的性能。研究发现，与浅层模型（1.92）和深度前馈模型（0.89）相比，深度残差模型实现了更高的样本外夏普比率（2.07），表明模型深度的增加在资产定价中提供了显著的经济价值。
-
新的统计方法利用大型辅助数据集提高效率
本文探讨了通过将小型目标数据集与大型辅助数据集相结合来提高统计效率的方法。研究人员研究了两种主要方法：逆概率加权（IPW）和全似然（FL）方法。研究表明，虽然IPW在目标样本量小的情况下存在局限性，但FL可以实现显著的效率提升，甚至能以与辅助样本量相当的速率估计模型参数。文章探讨了指数族及其混合体的“完全效率增益”的理论基础，并讨论了将FL应用于神经网络模型进行预后的方法。
-
AI模型利用环境声音和光线数据预测ICU谵妄
研究人员开发了序列神经网络模型，利用环境传感数据（特别是光照强度和声压级）来预测重症监护室（ICU）谵妄。一个卷积模型表现出强大的区分能力，AUC达到0.80，其中声音特征被证明是最主要的预测因子。整合声音和光线数据改善了短期预测，表明被动环境传感为加强谵妄风险评估和预防策略提供了一种实用方法。