Fugu-MT 論文翻訳(概要): On the Performance of Generative Adversarial Network (GAN) Variants: A Clinical Data Study

論文の概要: On the Performance of Generative Adversarial Network (GAN) Variants: A Clinical Data Study

arxiv url: http://arxiv.org/abs/2009.09579v1
Date: Mon, 21 Sep 2020 02:18:58 GMT
ステータス: 処理完了
システム内更新日: 2022-10-16 03:49:38.232311
Title: On the Performance of Generative Adversarial Network (GAN) Variants: A Clinical Data Study
Title（参考訳）: GAN(Generative Adversarial Network)バリアントの性能について : 臨床データによる検討
Authors: Jaesung Yoo, Jeman Park, An Wang, David Mohaisen, and Joongheon Kim
Abstract要約: Generative Adversarial Network (GAN) は、生成モデルや特徴抽出を含む様々なタイプのアプリケーションにおいて、ニューラルネットワークの有用なタイプである。様々な種類のGANがさまざまな洞察で研究されており、それぞれの世代でより優れたパフォーマンスを持つGANのファミリーが生まれる。
参考スコア（独自算出の注目度）: 13.793310937285064
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative Adversarial Network (GAN) is a useful type of Neural Networks in various types of applications including generative models and feature extraction. Various types of GANs are being researched with different insights, resulting in a diverse family of GANs with a better performance in each generation. This review focuses on various GANs categorized by their common traits.
Abstract（参考訳）: generative adversarial network(gan)は、生成モデルや特徴抽出を含む様々な種類のアプリケーションにおいて有用なニューラルネットワークである。様々な種類のGANがさまざまな洞察で研究されており、それぞれの世代でより優れたパフォーマンスを持つGANのファミリーが生まれる。本総説では, 共通特性によって分類される様々なGANについて述べる。

関連論文リスト

Ten Years of Generative Adversarial Nets (GANs): A survey of the state-of-the-art [0.0]
Generative Adversarial Networks (GAN) は、様々な領域にまたがる現実的で多様なデータを生成する強力なツールとして急速に登場した。 2018年2月、GANは「Top Ten Global Breakthrough Technologies List」でトップ10を獲得した。この調査は、最も広く認識されているバリエーションの潜在アーキテクチャ、バリデーションメトリクス、およびアプリケーション領域を要約した、GANの一般的な概要を提供することを目的としている。
論文参考訳（メタデータ） (2023-08-30T20:46:45Z)
Applications of Generative Adversarial Networks in Neuroimaging and Clinical Neuroscience [4.394368629380544]
GAN(Generative Adversarial Network)は,多くの分野において有効なディープラーニングモデルである。 GANは、空間的に複雑で非線形で、潜在的に微妙な病気効果を捉える能力を増強している。本総説では, 各種神経疾患のイメージング研究におけるGANの応用について, 既存の文献を概説する。
論文参考訳（メタデータ） (2022-06-14T18:10:00Z)
Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。本稿では,異なる視点からGANの比較研究を行う。
論文参考訳（メタデータ） (2022-04-28T16:35:04Z)
Guiding Generative Language Models for Data Augmentation in Few-Shot Text Classification [59.698811329287174]
我々は、GPT-2を用いて、分類性能を向上させるために、人工訓練インスタンスを生成する。実験の結果,少数のラベルインスタンスでGPT-2を微調整すると,一貫した分類精度が向上することがわかった。
論文参考訳（メタデータ） (2021-11-17T12:10:03Z)
Redefining Neural Architecture Search of Heterogeneous Multi-Network Models by Characterizing Variation Operators and Model Components [71.03032589756434]
複素領域における異なる変動演算子の効果について検討する。モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
論文参考訳（メタデータ） (2021-06-16T17:12:26Z)
Generative Adversarial Networks (GANs) in Networking: A Comprehensive Survey & Evaluation [5.196831100533835]
GAN(Generative Adversarial Networks)は、広く研究された機械学習サブフィールドである。 GANは一般的に合成画像の生成や変換に用いられる。本稿では、この機械学習の分岐が、コンピュータと通信ネットワークの複数の側面にどのように役立つかを実証する。
論文参考訳（メタデータ） (2021-05-10T08:28:36Z)
Polynomial Networks in Deep Classifiers [55.90321402256631]
我々は深層ニューラルネットワークの研究を統一的な枠組みで行った。私たちのフレームワークは、各モデルの誘導バイアスに関する洞察を提供します。提案モデルの有効性を,標準画像および音声分類ベンチマークで評価した。
論文参考訳（メタデータ） (2021-04-16T06:41:20Z)
Evolutionary Generative Adversarial Networks with Crossover Based Knowledge Distillation [4.044110325063562]
本稿では,進化戦略を用いてGANに広く適用可能な一般クロスオーバー演算子を提案する。次に、それに基づいて進化的GANフレームワークC-GANを設計する。そして、クロスオーバー演算子と進化生成逆数ネットワーク(EGAN)を組み合わせて、クロスオーバー(CE-GAN)を用いた進化生成逆数ネットワークを実装する。
論文参考訳（メタデータ） (2021-01-27T03:24:30Z)
GAHNE: Graph-Aggregated Heterogeneous Network Embedding [32.44836376873812]
異種ネットワーク埋め込みは、ノードを低次元ベクトルに埋め込み、異種ネットワークの豊富な本質的な情報を捕捉することを目的としている。既存のモデルは、手動でメタパスを設計するか、異なるセマンティクス間の相互効果を無視するか、あるいはグローバルネットワークからの情報のいくつかの側面を省略する。 GAHNEモデルでは、異なる単一タイプのサブネットワークからのセマンティック表現を集約する機構を開発し、グローバル情報を最終埋め込みに融合させる。
論文参考訳（メタデータ） (2020-12-23T07:11:30Z)
Diffusion-Weighted Magnetic Resonance Brain Images Generation with Generative Adversarial Networks and Variational Autoencoders: A Comparison Study [55.78588835407174]
本研究では,高画質,多彩で現実的な拡散重み付き磁気共鳴画像が深部生成モデルを用いて合成可能であることを示す。 Introspective Variational AutoencoderとStyle-Based GANの2つのネットワークを医療分野におけるデータ拡張の資格として提示する。
論文参考訳（メタデータ） (2020-06-24T18:00:01Z)
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications [154.4832792036163]
GAN(Generative Adversarial Network)は近年ホットな研究トピックである。 GANは2014年から広く研究され、多くのアルゴリズムが提案されている。本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。
論文参考訳（メタデータ） (2020-01-20T01:52:05Z)

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。