Fugu-MT 論文翻訳(概要): Characterization of Covid-19 Dataset using Complex Networks and Image Processing

論文の概要: Characterization of Covid-19 Dataset using Complex Networks and Image Processing

arxiv url: http://arxiv.org/abs/2009.13302v1
Date: Thu, 24 Sep 2020 20:35:31 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 05:25:35.352078
Title: Characterization of Covid-19 Dataset using Complex Networks and Image Processing
Title（参考訳）: 複雑ネットワークと画像処理を用いたCovid-19データセットの特性評価
Authors: Josimar Chire, Esteban Wilfredo Vilca Zuniga
Abstract要約: 本稿では,covid-19データセットの背後にあるパターンの構造について検討する。データセットには、陽性および負のケースを持つ医療画像が含まれている。ヒストグラム周波数を計算し、統計測定を用いて特徴量を求める。 Grey Level Co-Occurrence Matrix (GLCM) による特徴抽出
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: This paper aims to explore the structure of pattern behind covid-19 dataset. The dataset includes medical images with positive and negative cases. A sample of 100 sample is chosen, 50 per each class. An histogram frequency is calculated to get features using statistical measurements, besides a feature extraction using Grey Level Co-Occurrence Matrix (GLCM). Using both features are build Complex Networks respectively to analyze the adjacency matrices and check the presence of patterns. Initial experiments introduces the evidence of hidden patterns in the dataset for each class, which are visible using Complex Networks representation.
Abstract（参考訳）: 本稿では,covid-19データセットの背後にあるパターンの構造について検討する。データセットには、陽性および負のケースを持つ医療画像が含まれている。 100のサンプルが選択され、各クラス毎に50である。統計量を用いてヒストグラム周波数を算出し,Grey Level Co-Occurrence Matrix (GLCM) を用いた特徴抽出を行った。どちらの機能も、それぞれ複雑なネットワークを構築して、隣接行列を分析し、パターンの存在をチェックする。最初の実験では、複雑なネットワーク表現を使って見える各クラスのデータセットに隠れたパターンの証拠が導入されている。

関連論文リスト

Image complexity based fMRI-BOLD visual network categorization across visual datasets using topological descriptors and deep-hybrid learning [3.522950356329991]
本研究の目的は,視覚的データセットと異なる視覚刺激に応答して,ネットワークトポロジがどう異なるかを検討することである。これを実現するために、COCO、ImageNet、SUNを表す視覚ネットワーク毎に0次元および1次元の永続図を演算する。抽出したK平均クラスター特徴は、これらの視覚ネットワークの分類において90%-95%の範囲で精度の高い新しいディープハイブリッドモデルに供給される。
論文参考訳（メタデータ） (2023-11-03T14:05:57Z)
Extracting Semantic Knowledge from GANs with Unsupervised Learning [65.32631025780631]
GAN(Generative Adversarial Networks)は、特徴写像のセマンティクスを線形に分離可能な形でエンコードする。本稿では,線形分離性を利用してGANの特徴をクラスタリングする新しいクラスタリングアルゴリズムKLiSHを提案する。 KLiSHは、さまざまなオブジェクトのデータセットに基づいてトレーニングされたGANのきめ細かいセマンティクスの抽出に成功している。
論文参考訳（メタデータ） (2022-11-30T03:18:16Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
Spectral Complexity-scaled Generalization Bound of Complex-valued Neural Networks [78.64167379726163]
本論文は,複素数値ニューラルネットワークの一般化を証明した最初の論文である。複雑な値の畳み込みニューラルネットワークを異なるデータセット上でトレーニングして実験を行う。
論文参考訳（メタデータ） (2021-12-07T03:25:25Z)
Label-Free Model Evaluation with Semi-Structured Dataset Representations [78.54590197704088]
ラベルなしモデル評価(AutoEval)は、ラベルなしテストセットでモデル精度を推定する。画像ラベルがない場合、データセット表現に基づいて、回帰を伴うAutoEvalのモデル性能を推定する。本稿では,AutoEvalのリッチな情報を含む回帰学習のための半構造化データセット表現を提案する。
論文参考訳（メタデータ） (2021-12-01T18:15:58Z)
Compositional Sketch Search [91.84489055347585]
フリーハンドスケッチを用いて画像コレクションを検索するアルゴリズムを提案する。シーン構成全体を特定するための簡潔で直感的な表現として描画を利用する。
論文参考訳（メタデータ） (2021-06-15T09:38:09Z)
PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-17T08:28:30Z)
A Neural Network for Semigroups [0.0]
有限半群の部分乗算表を完成させるタスクにデノイジングオートエンコーダベースのニューラルネットワークアーキテクチャを適用します。利用可能なデータの約10%で、約80%のケースで、完全なCayleyをわずか半分から再構築できるモデルを構築することができる。
論文参考訳（メタデータ） (2021-03-12T16:28:39Z)
Learning from Incomplete Features by Simultaneous Training of Neural Networks and Sparse Coding [24.3769047873156]
本稿では,不完全な特徴を持つデータセット上で分類器を訓練する問題に対処する。私たちは、各データインスタンスで異なる機能のサブセット(ランダムまたは構造化)が利用できると仮定します。新しい教師付き学習法が開発され、サンプルあたりの機能のサブセットのみを使用して、一般的な分類器を訓練する。
論文参考訳（メタデータ） (2020-11-28T02:20:39Z)
Data Segmentation via t-SNE, DBSCAN, and Random Forest [0.0]
本研究では、データを自然クラスタに分割し、最も重要な特徴に基づいて各クラスタの特徴プロファイルを生成するデータセグメンテーションアルゴリズムを提案する。このアルゴリズムを解説し、Instagramの実際のソーシャルメディアサイトデータと同様に、IrisとMNISTデータセットを用いてケーススタディを提供する。
論文参考訳（メタデータ） (2020-10-26T15:59:15Z)
Interpretable Visualizations with Differentiating Embedding Networks [0.0]
本稿では,新たな非教師付きシームズニューラルネットワークトレーニングシステムと損失関数に基づく,微分埋め込みネットワーク(DEN)を用いた可視化アルゴリズムを提案する。 Siameseのニューラルネットワークは、データセット内の特定のサンプルペア間の差別化や類似した特徴を見つけ、これらの特徴を使用して、データセットを視覚化可能な低次元空間に埋め込む。 DENを解釈するために、可視化の上にエンドツーエンドのパラメトリッククラスタリングアルゴリズムを作成し、次にSHAPスコアを利用して、サンプル空間のどの特徴が重要かを決定する。
論文参考訳（メタデータ） (2020-06-11T17:30:44Z)

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。