論文の概要: GSA-DenseNet121-COVID-19: a Hybrid Deep Learning Architecture for the
Diagnosis of COVID-19 Disease based on Gravitational Search Optimization
Algorithm
- arxiv url: http://arxiv.org/abs/2004.05084v1
- Date: Thu, 9 Apr 2020 13:30:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 02:53:51.408175
- Title: GSA-DenseNet121-COVID-19: a Hybrid Deep Learning Architecture for the
Diagnosis of COVID-19 Disease based on Gravitational Search Optimization
Algorithm
- Title（参考訳）: GSA-DenseNet121-COVID-19: 重力探索最適化アルゴリズムに基づく新型コロナウイルスの診断のためのハイブリッドディープラーニングアーキテクチャ
- Authors: Dalia Ezzat, Aboul ell Hassanien, Hassan Aboul Ella (Scientific
Research Group in Egypt)
- Abstract要約: ハイブリッド畳み込みニューラルネットワーク(CNN)アーキテクチャに基づくGSA-DenseNet121-COVID-19と呼ばれる新しいアプローチを提案する。
提案した手法は、テストセットの98%を正しく分類することができた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, a novel approach called GSA-DenseNet121-COVID-19 based on a
hybrid convolutional neural network (CNN) architecture is proposed using an
optimization algorithm. The CNN architecture that was used is called
DenseNet121 and the optimization algorithm that was used is called the
gravitational search algorithm (GSA). The GSA is adapted to determine the best
values for the hyperparameters of the DenseNet121 architecture, and to achieve
a high level of accuracy in diagnosing COVID-19 disease through chest x-ray
image analysis. The obtained results showed that the proposed approach was able
to correctly classify 98% of the test set. To test the efficacy of the GSA in
setting the optimum values for the hyperparameters of DenseNet121, it was
compared to another optimization algorithm called social ski driver (SSD). The
comparison results demonstrated the efficacy of the proposed
GSA-DenseNet121-COVID-19 and its ability to better diagnose COVID-19 disease
than the SSD-DenseNet121 as the second was able to diagnose only 94% of the
test set. As well as, the proposed approach was compared to an approach based
on a CNN architecture called Inception-v3 and the manual search method for
determining the values of the hyperparameters. The results of the comparison
showed that the GSA-DenseNet121 was able to beat the other approach, as the
second was able to classify only 95% of the test set samples.
- Abstract（参考訳）: 本稿では,ハイブリッド畳み込みニューラルネットワーク(CNN)アーキテクチャに基づくGSA-DenseNet121-COVID-19と呼ばれる新しいアプローチを提案する。
使われたcnnアーキテクチャは densenet121 と呼ばれ、使われた最適化アルゴリズムは gravitational search algorithm (gsa) と呼ばれる。
GSAは、DenseNet121アーキテクチャのハイパーパラメーターの最良の値を決定するために適応され、胸部X線画像解析により、COVID-19病の診断における高いレベルの精度を達成する。
その結果,提案手法はテストセットの98%を正しく分類できることがわかった。
DenseNet121のハイパーパラメータの最適値を設定する際のGSAの有効性をテストするため、ソーシャルスキードライバ(SSD)と呼ばれる別の最適化アルゴリズムと比較した。
比較の結果、gsa-densenet121-covid-19の有効性と、ssd-densenet121よりも高い診断能力が示された。
また,提案手法をinception-v3と呼ばれるcnnアーキテクチャに基づくアプローチと,ハイパーパラメータの値を決定するための手動探索法と比較した。
比較の結果、GSA-DenseNet121はテストセットの95%しか分類できなかったため、他のアプローチに勝ることができた。
関連論文リスト
- An efficient hybrid classification approach for COVID-19 based on Harris
Hawks Optimization and Salp Swarm Optimization [0.0]
本研究では、Covid-19分類のためのHarris Hawks Optimization Algorithm(HHO)とSalp Swarm Optimization(SSA)のハイブリッドバイナリバージョンを提案する。
提案アルゴリズム(HHOSSA)は,SVMで96%の精度,2つの分類器で98%,98%の精度を達成した。
論文 参考訳（メタデータ） (2022-12-25T19:52:18Z) - A Tent L\'evy Flying Sparrow Search Algorithm for Feature Selection: A
COVID-19 Case Study [1.6436293069942312]
情報科学の急速な発展によって引き起こされる「次元のカルス」は、大きなデータセットを扱う際に悪影響を及ぼす可能性がある。
本研究では,スナロー探索アルゴリズム(SSA)の変種であるTent L'evy Flying Sparrow Searchアルゴリズム(TFSSA)を提案する。
TFSSAは、分類のためにパッキングパターンにおける機能の最も優れたサブセットを選択するために使用される。
論文 参考訳（メタデータ） (2022-09-20T15:12:10Z) - ZARTS: On Zero-order Optimization for Neural Architecture Search [94.41017048659664]
微分可能なアーキテクチャサーチ (DARTS) は、NASの高効率性のため、一般的なワンショットパラダイムである。
この作業はゼロオーダーの最適化に変わり、上記の近似を強制せずに探索するための新しいNASスキームであるZARTSを提案する。
特に、12ベンチマークの結果は、DARTSの性能が低下するZARTSの顕著な堅牢性を検証する。
論文 参考訳（メタデータ） (2021-10-10T09:35:15Z) - Learning to Hash Robustly, with Guarantees [79.68057056103014]
本稿では,理論的アルゴリズムと本質的に一致する最悪ケース保証を持つハミング空間のためのNSアルゴリズムを設計する。
理論的にも実用的にも、与えられたデータセットに対してアルゴリズムが最適化できる能力を評価する。
我々のアルゴリズムは、MNISTおよびImageNetデータセットに対する最悪のパフォーマンスのクエリを、1.8倍と2.1倍の精度でリコールする。
論文 参考訳（メタデータ） (2021-08-11T20:21:30Z) - RSO: A Novel Reinforced Swarm Optimization Algorithm for Feature
Selection [0.0]
本稿では,Reinforced Swarm Optimization (RSO) という特徴選択アルゴリズムを提案する。
このアルゴリズムは、広く使われているBee Swarm Optimization (BSO)アルゴリズムとReinforcement Learning (RL)アルゴリズムを組み込んで、優れた検索エージェントの報酬を最大化し、劣悪なエージェントを罰する。
提案手法は、バランスの取れたデータと不均衡なデータの完全なブレンドを含む、広く知られている25のUCIデータセットで評価される。
論文 参考訳（メタデータ） (2021-07-29T17:38:04Z) - Evolving Deep Convolutional Neural Network by Hybrid Sine-Cosine and
Extreme Learning Machine for Real-time COVID19 Diagnosis from X-Ray Images [0.5249805590164902]
ディープ・コンボリューショナル・ネットワーク(CNN)は、COVID-19陽性症例の診断に応用できるツールとみなすことができる。
本稿では,最後の完全接続層ではなく,ELM(Extreme Learning Machine)を用いることを提案する。
提案手法は、COVID-Xray-5kデータセットで98.83%の最終的な精度で比較ベンチマークを上回っている。
論文 参考訳（メタデータ） (2021-05-14T19:40:16Z) - Genetic-algorithm-optimized neural networks for gravitational wave
classification [0.0]
遺伝的アルゴリズム(GA)に基づくハイパーパラメータ最適化の新しい手法を提案する。
我々は,初期パラメータのシード値が良い解には程遠い場合に,GAが高品質なアーキテクチャを発見できることを示す。
遺伝的アルゴリズムの最適化を用いて既存のネットワークを洗練することは、問題コンテキストが変化した場合に特に有用である。
論文 参考訳（メタデータ） (2020-10-09T03:14:20Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - An Asymptotically Optimal Multi-Armed Bandit Algorithm and
Hyperparameter Optimization [48.5614138038673]
本稿では,高パラメータ探索評価のシナリオにおいて,SS (Sub-Sampling) と呼ばれる効率的で堅牢な帯域幅に基づくアルゴリズムを提案する。
また,BOSSと呼ばれる新しいパラメータ最適化アルゴリズムを開発した。
実験的な研究は、SSの理論的議論を検証し、多くのアプリケーションにおけるBOSSの優れた性能を実証する。
論文 参考訳（メタデータ） (2020-07-11T03:15:21Z) - ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning [91.13797346047984]
本稿では,2次最適化アルゴリズムであるADAHESSIANを紹介する。
ADAHESSIANは、他の適応最適化手法と比較して、新しい最先端の成果を大きなマージンで達成することを示す。
論文 参考訳（メタデータ） (2020-06-01T05:00:51Z) - Adaptive Feature Selection Guided Deep Forest for COVID-19
Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。
AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文 参考訳（メタデータ） (2020-05-07T06:00:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。