用于呼吸道合胞病毒病例检测的在线迁移学习

@文章{Sun2024OnlineTL，title={针对RSV病例检测的在线转移学习}，author={孙一鸣、高玉禾、鲍润雪、格雷戈里·库珀、杰西·埃斯皮诺、哈里·霍奇海泽、玛丽安·迈克尔斯、约翰·阿罗尼斯和叶晔}，日志={ArXiv}，年份={2024}，体积={abs/2402.01987}，网址={https://api.semanticscholar.org/CorpusID:267412007}}
利用匹兹堡大学医学中心多年的电子健康记录，将MSAW应用于急诊科就诊中的呼吸道合胞病毒病例检测，证明了MSAW的有效性。
[PDF]语义阅读器

本文图表

51参考文献

用于多类分类的多源域在线转移学习

迁移学习研究综述

讨论了迁移学习与其他相关机器学习技术（如领域自适应、多任务学习、样本选择偏差以及协变量移位）之间的关系。

异质迁移学习研究综述

本文对当前用于执行异构迁移学习任务的方法进行了全面的调查和分析，以提供对当前方法的更新、集中的看法。

基于知识转移的在线异构迁移学习

本文提出了一种新的在线异构迁移学习算法，称为在线异构知识转移（OHKT），该算法首先寻求基于标记的源数据为共现数据生成伪标记，并开发了一种在线学习算法，通过利用具有伪标签的C出现数据来对目标序列进行分类。

在线迁移学习

转移学习：调查和分类

本文解释了迁移学习及其分类，并提供了与迁移学习相关的示例和观点。

深度迁移学习及其最新进展综述

通过回顾过去五年中应用的DTL技术和对DTL的一些实验分析，对DTL方法进行了研究，以发现在不同场景中使用DTL的最佳实践，以及可能的解决方案和研究趋势。

迁移学习十年调查（2010-2020）

本文对迁移学习进行了全面的调查，并介绍了其发展现状、当前趋势、应用和面临的挑战。

在线迁移学习框架OTL

本文研究了一种新的机器学习框架，称为在线转移学习（OTL），旨在将知识从某个源领域转移到目标领域的在线学习任务，并提出了解决两种OTL任务的技术。

多源转移学习预测新冠肺炎患者急诊室复诊

Multi-DANN模型的高性能表明，EHR对于开发预测模型提供了信息，以识别出院后7天内很可能再次访问急诊室的新冠肺炎患者，并有效地解决了多源域之间的异质性。
...