利用贝叶斯主动差分选择加速心理测量筛查测试
机器学习
2020-02-06 v1 机器学习
摘要
用于心理测量函数估计的经典方法要么需要过多测量，要么只能产生目标心理测量函数的低分辨率近似。本文中，我们提出一种用于快速筛查给定患者心理测量函数估计发生变化的新型解决方案。我们使用贝叶斯主动模型选择来执行自动纯音测听测试，目标是快速发现当前测听图是否与先前的测听图不同。我们使用来自美国国家职业安全与健康研究所 NIOSH 的测听数据验证了我们的方法。初步结果表明，仅需少量纯音即可高置信度地检测出患者的测听函数在两次测试会话之间是否发生变化。
引用
@article{arxiv.2002.01547,
title = {Accelerating Psychometric Screening Tests With Bayesian Active Differential Selection},
author = {Trevor J. Larsen and Gustavo Malkomes and Dennis L. Barbour},
journal= {arXiv preprint arXiv:2002.01547},
year = {2020}
}
备注
Extended Abstract accepted to ML4H: Machine Learning for Health Workshop at NeurIPS 2019