論文の概要: Review: Deep Learning in Electron Microscopy
- arxiv url: http://arxiv.org/abs/2009.08328v7
- Date: Mon, 8 Mar 2021 10:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 09:01:26.784235
- Title: Review: Deep Learning in Electron Microscopy
- Title（参考訳）: 電子顕微鏡における深層学習
- Authors: Jeffrey M. Ede
- Abstract要約: 深層学習は、電子顕微鏡を含む科学と技術のほとんどの領域を変えつつある。
このレビュー論文は、限られた知識を持つ開発者を対象とした実践的な視点を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning is transforming most areas of science and technology, including
electron microscopy. This review paper offers a practical perspective aimed at
developers with limited familiarity. For context, we review popular
applications of deep learning in electron microscopy. Afterwards, we discuss
hardware and software needed to get started with deep learning and interface
with electron microscopes. We then review neural network components, popular
architectures, and their optimization. Finally, we discuss future directions of
deep learning in electron microscopy.
- Abstract（参考訳）: 深層学習は、電子顕微鏡を含む科学と技術のほとんどの領域を変えつつある。
本レビューでは,慣れ親しみの少ない開発者を対象とした実践的視点を提供する。
本稿では,電子顕微鏡における深層学習の応用について概説する。
その後、深層学習を始めるために必要なハードウェアとソフトウェア、電子顕微鏡によるインタフェースについて議論する。
次に、ニューラルネットワークコンポーネント、人気のあるアーキテクチャ、それらの最適化についてレビューする。
最後に、電子顕微鏡における深層学習の今後の方向性について述べる。
関連論文リスト
- Advancing biological super-resolution microscopy through deep learning:
a brief review [5.677138915301383]
超解像顕微鏡は、空間分解能における従来の光顕微鏡の回折限界を克服する。
ディープラーニングは画像処理とコンピュータビジョンにおいて画期的なパフォーマンスを達成した。
深層学習が超高解像度画像の再構成をいかに進めるかに焦点を当てる。
論文 参考訳（メタデータ） (2021-06-24T14:44:23Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - Advances in Electron Microscopy with Deep Learning [0.0]
この博士論文は、深層学習による電子顕微鏡の進歩をカバーしています。
ハイライトは、電子顕微鏡におけるディープラーニングの包括的なレビュー、機械学習のための大規模な新しい電子顕微鏡データセットなどだ。
私の論文のこのバージョンは、可読性を改善するためのオンライン普及のためのタイプセットです。一方、ウォーウィック大学に提出された論文は、物理学における哲学博士の学位の申請を支持するために、物理印刷と結合のためのタイプセットです。
論文 参考訳（メタデータ） (2021-01-04T13:49:37Z) - ATOM3D: Tasks On Molecules in Three Dimensions [91.72138447636769]
近年、深層ニューラルネットワークが注目されている。
本稿では,生物分子のいくつかの重要なクラスにまたがる新しいデータセットと既存のデータセットのコレクションであるATOM3Dを紹介する。
これらのタスクごとに3次元の分子学習ネットワークを開発し、パフォーマンスを一貫して改善します。
論文 参考訳（メタデータ） (2020-12-07T20:18:23Z) - D2RL: Deep Dense Architectures in Reinforcement Learning [47.67475810050311]
コンピュータビジョンと生成モデルにおけるアーキテクチャ選択の成功からインスピレーションを得ます。
各種ロボット学習ベンチマーク環境における強化学習における深層ネットワークと高密度接続の利用について検討した。
論文 参考訳（メタデータ） (2020-10-19T01:27:07Z) - A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and
Perspectives [67.34875595325597]
このプライマーでは、深層学習によるモーションキャプチャーの芽生えた分野を概観する。
我々はこれらの新しいアルゴリズムの原理について議論し、その可能性と実験者の落とし穴を明らかにする。
論文 参考訳（メタデータ） (2020-09-01T16:51:33Z) - Global Voxel Transformer Networks for Augmented Microscopy [54.730707387866076]
本稿では,拡張顕微鏡のための高度な深層学習ツールであるグローバルボクセルトランスフォーマーネットワーク(GVTNets)を紹介する。
GVTNetはグローバルな情報収集が可能なグローバルなボクセル変換演算子(GVTO)上に構築されている。
提案手法を既存のデータセットに適用し,様々な環境下での3種類の拡張顕微鏡タスクについて検討する。
論文 参考訳（メタデータ） (2020-08-05T20:11:15Z) - Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research
Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。
本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
論文 参考訳（メタデータ） (2020-04-10T17:12:29Z)
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。