AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-16
用于智能心理健康诊断的自动机与机器学习集成框架
原标题: An automata-machine learning integrated framework for intelligent mental health diagnostics
学生中的抑郁情况往往在变得严重之前都未被发现,因此需要进行早期预测。作者将基于有限自动机的行为建模与机器学习相结合,根据学生的情绪状态生成特征并合并冗余特征。使用随机森林与 KStar 的集成方法后,准确率从随机森林基线的 82.02% 提升至采用自动机特征后的 96.88%。作者表示,该方法能使特征保持可解释性和可追溯性。