Berlin 24.10.2025 – Auf der ITG-Konferenz 2025 in Berlin stellte Jordan Behrendt seine Arbeit zur Verwendung neuronaler Netze mit gemischten Effekten zur Verbesserung sprachbasierter Vorhersagen kognitiver Beeinträchtigungen vor.
Jordan Behrendt nahm an der ITG-Konferenz zur Sprachkommunikation 2025 in Berlin teil, wo er sein Papier „Mixed-Effects Models Neural Networks for Improved Speech-Based Predictions of Cognitive Decline” (Neuronale Netze mit gemischten Effekten zur Verbesserung sprachbasierter Vorhersagen des kognitiven Abbaus) vorstellte.
Anhand von Daten aus der Interdisziplinären Längsschnittstudie zu Erwachsenenentwicklung und Altern (ILSE) verglich die Studie Standard- und Mixed-Effects-Versionen von linearen Modellen, Random Forests und neuronalen Netzen, um zukünftige kognitive Testergebnisse im Zeitverlauf vorherzusagen.
Die Ergebnisse zeigen, dass Mixed-Effects-Modelle Standardansätze übertreffen, wenn aktuelle kognitive Werte nicht verfügbar sind, was die Bedeutung der Modellierung individueller Variationen in Längsschnittdaten zur Gesundheit unterstreicht.
