論文の概要: Problems of representation of electrocardiograms in convolutional neural networks

• arxiv url: http://arxiv.org/abs/2012.00493v1
• Date: Tue, 1 Dec 2020 14:02:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 04:31:32.756746
• Title: Problems of representation of electrocardiograms in convolutional neural networks
• Title（参考訳）: 畳み込みニューラルネットワークにおける心電図表現の問題点
• Authors: Iana Sereda, Sergey Alekseev, Aleksandra Koneva, Alexey Khorkin, Grigory Osipov
• Abstract要約: これらの問題は本質的に体系的であることを示す。 これらは、畳み込みネットワークが複合オブジェクトでどのように機能するかに起因するが、その一部は厳格に固定されていないが、大きな移動性を持っている。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Using electrocardiograms as an example, we demonstrate the characteristic problems that arise when modeling one-dimensional signals containing inaccurate repeating pattern by means of standard convolutional networks. We show that these problems are systemic in nature. They are due to how convolutional networks work with composite objects, parts of which are not fixed rigidly, but have significant mobility. We also demonstrate some counterintuitive effects related to generalization in deep networks.
• Abstract（参考訳）: 例えば、心電図を用いて、標準畳み込みネットワークによる不正確な繰り返しパターンを含む1次元信号のモデル化時に生じる特徴的問題を示す。 これらの問題は本質的に体系的であることを示す。 これらは、畳み込みネットワークが複合オブジェクトでどのように機能するかに起因するが、その一部は厳格に固定されていないが、大きな移動性を持っている。 また,ディープネットワークの一般化に関する直観に反する効果を示す。

関連論文リスト

• Deconvolving Complex Neuronal Networks into Interpretable Task-Specific Connectomes [12.762193569830593]
  タスク特異的機能MRI(fMRI)画像は、認知過程の神経基盤を研究する上で優れたモダリティを提供する。 我々は、fMRIデータを用いて、タスク固有の集約ニューロンネットワークを、標準ネットワークと呼ばれる基本的なビルディングブロックの集合に分解する問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2024-06-28T19:13:48Z)
• Coding schemes in neural networks learning classification tasks [52.22978725954347]
  完全接続型広義ニューラルネットワーク学習タスクについて検討する。 ネットワークが強力なデータ依存機能を取得することを示す。 驚くべきことに、内部表現の性質は神経の非線形性に大きく依存する。
  論文  参考訳（メタデータ） (2024-06-24T14:50:05Z)
• Generalization and Estimation Error Bounds for Model-based Neural Networks [78.88759757988761]
  スパースリカバリのためのモデルベースネットワークの一般化能力は、通常のReLUネットワークよりも優れていることを示す。 我々は,高一般化を保証したモデルベースネットワークの構築を可能にする実用的な設計規則を導出する。
  論文  参考訳（メタデータ） (2023-04-19T16:39:44Z)
• From Compass and Ruler to Convolution and Nonlinearity: On the Surprising Difficulty of Understanding a Simple CNN Solving a Simple Geometric Estimation Task [6.230751621285322]
  本稿では, 単純な畳み込みニューラルネットワークを用いて, 簡単な学習問題に対処することを提案する。 驚くべきことに、訓練されたネットワークが学んだことを理解することは難しく、ある程度は直感に反する。
  論文  参考訳（メタデータ） (2023-03-12T11:30:49Z)
• Neural Network Complexity of Chaos and Turbulence [0.0]
  我々は、深いニューラルネットワークの観点から、カオスと乱流の相対的な複雑さを考察する。 本研究では,乱流状態における流体分布のイメージをネットワークが識別しなければならない,一連の分類問題を解析する。 本研究では,内部特徴表現の内在的な次元性を通じて,ネットワークが行う計算の複雑さを定量化する。
  論文  参考訳（メタデータ） (2022-11-24T13:21:36Z)
• Entangled Residual Mappings [59.02488598557491]
  残余接続の構造を一般化するために、絡み合った残余写像を導入する。 絡み合い残余写像は、アイデンティティスキップ接続を特別な絡み合い写像に置き換える。 絡み合った写像は、様々な深層モデルにまたがる特徴の反復的洗練を保ちながら、畳み込みネットワークにおける表現学習プロセスに影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-06-02T19:36:03Z)
• Training Adaptive Reconstruction Networks for Blind Inverse Problems [0.0]
  本研究では,ネットワークをフォワード演算子のファミリーでトレーニングすることで,再構成品質を著しく向上させることなく適応性問題を解くことができることを示す。 実験には、感度推定とオフ共鳴効果を備えたMRI(MRI)による部分フーリエサンプリング問題、傾斜した形状のコンピュータ断層撮影(CT)、フレネル回折核による画像劣化などが含まれる。
  論文  参考訳（メタデータ） (2022-02-23T07:56:02Z)
• Convolutional Filtering and Neural Networks with Non Commutative Algebras [153.20329791008095]
  本研究では,非可換畳み込みニューラルネットワークの一般化について検討する。 非可換畳み込み構造は作用素空間上の変形に対して安定であることを示す。
  論文  参考訳（メタデータ） (2021-08-23T04:22:58Z)
• A neural anisotropic view of underspecification in deep learning [60.119023683371736]
  ニューラルネットが問題の未特定化を扱う方法が,データ表現に大きく依存していることを示す。 深層学習におけるアーキテクチャ的インダクティブバイアスの理解は,これらのシステムの公平性,堅牢性,一般化に対処する上で基本的であることを強調した。
  論文  参考訳（メタデータ） (2021-04-29T14:31:09Z)

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。