Компьютерные науки > Машинное обучение [представлено 16 сентября 2026 года] Название: Сведение к минимуму устойчивости (SAM) повышает точность классификации бактериальных спектральных данных, обеспечивающих переносную диагностику HTML (экспериментальное) резюме: Антимикробная стойкость, как ожидается, унесет 10 миллионов жизней в год к 2050 году и больше всего пострадают районы с ограниченными ресурсами. Спектроскопия Рамана представляет собой новый диагностический подход к патогенам, который открывает перспективы быстрого и переносного тестирования на антибиотическое сопротивление в течение нескольких часов по сравнению с днями при использовании стандартных золотой технологии. Однако нынешние алгоритмы анализа спектральных характеристик " Раман &qt; 1) не могут хорошо обобщать ограниченные наборы данных по различным группам пациентов, и 2) требуют повышения сложности в связи с необходимостью принятия мер для предварительной обработки нетривиальной обработки, таких как извлечение элементов, которые имеют важное значение для смягчения низкокачественного характера спектральных данных из &qlt; <. В рамках этой работы мы занимаемся решением этих проблем с использованием метода сведения к минимуму опасности (SAM) в целях повышения степени обобщения моделей по широкому спектру гиперпараметров при выполнении задач классификации клинической бактериальной изоляции. Мы продемонстрируем, что САМ обеспечивает повышение точности до 10,5% по одному разделу и увеличение средней…
Повышение точности классификации бактериальных спектральных данных, обеспечивающих переносные диагностические системы
arXiv: 2609.19453v1 Сообщение типа: новое резюме: Антимикробное сопротивление, как ожидается, унесет к 2050 году 10 миллионов жизней в год и больше всего пострадают районы с ограниченными ресурсами. Спектроскопия Рамана представляет собой новый диагностический подход к патогенам, который открывает перспективы быстрого и переносного тестирования на антибиотическое сопротивление в течение нескольких часов по сравнению с днями при использовании стандартных золотой технологии. Однако нынешние алгоритмы анализа спектральных характеристик " Раман &qt; 1) не могут хорошо обобщать ограниченные наборы данных по различным группам пациентов, и 2) требуют повышения сложности в связи с необходимостью принятия мер для предварительной обработки нетривиальной обработки, таких как извлечение элементов, которые имеют важное значение для смягчения низкокачественного характера спектральных данных из &qlt; <. В рамках этой работы мы занимаемся решением этих проблем с использованием метода сведения к минимуму опасности (SAM) в целях повышения степени обобщения моделей по широкому спектру гиперпараметров при выполнении задач классификации клинической бактериальной изоляции. Мы показываем, что SAM обеспечивает повышение точности до 10,5% на соль