論文の概要: Applications of Artificial Neural Networks in Microorganism Image Analysis: A Comprehensive Review from Conventional Multilayer Perceptron to Popular Convolutional Neural Network and Potential Visual Transformer

• arxiv url: http://arxiv.org/abs/2108.00358v1
• Date: Sun, 1 Aug 2021 03:46:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-03 15:37:43.415310
• Title: Applications of Artificial Neural Networks in Microorganism Image Analysis: A Comprehensive Review from Conventional Multilayer Perceptron to Popular Convolutional Neural Network and Potential Visual Transformer
• Title（参考訳）: 微生物画像解析におけるニューラルネットワークの応用:従来の多層パーセプトロンから一般の畳み込みニューラルネットワークと視覚トランスフォーマへの包括的考察
• Authors: Jinghua Zhang, Chen Li, Marcin Grzegorzek
• Abstract要約: 微生物は、環境汚染の制御、病気の予防と治療、食品と医薬品の生産において重要な役割を担っている。 同定、カウント、検出は、異なる微生物をフル活用するための基本的なステップである。 これらの制限を克服するために、微生物画像解析に人工ニューラルネットワークを適用する。
• 参考スコア（独自算出の注目度）: 10.951982445015085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Microorganisms are widely distributed in the human daily living environment. They play an essential role in environmental pollution control, disease prevention and treatment, and food and drug production. The identification, counting, and detection are the basic steps for making full use of different microorganisms. However, the conventional analysis methods are expensive, laborious, and time-consuming. To overcome these limitations, artificial neural networks are applied for microorganism image analysis. We conduct this review to understand the development process of microorganism image analysis based on artificial neural networks. In this review, the background and motivation are introduced first. Then, the development of artificial neural networks and representative networks are introduced. After that, the papers related to microorganism image analysis based on classical and deep neural networks are reviewed from the perspectives of different tasks. In the end, the methodology analysis and potential direction are discussed.
• Abstract（参考訳）: 微生物はヒトの生活環境に広く分布している。 環境汚染対策、疾病予防・治療、食品・医薬品生産において重要な役割を担っている。 識別、計数、検出は、異なる微生物をフルに利用するための基本的なステップである。 しかし、従来の分析手法は高価で、手間がかかり、時間がかかる。 これらの限界を克服するために、人工ニューラルネットワークを微生物画像解析に適用する。 本稿では,ニューラルネットワークに基づく微生物画像解析の展開過程を理解するため,本研究のレビューを行う。 このレビューでは、まず背景とモチベーションを紹介します。 次に、ニューラルネットワークおよび代表ネットワークの開発について紹介する。 その後、従来のニューラルネットワークと深層ニューラルネットワークに基づく微生物画像解析に関する論文を、様々なタスクの観点からレビューする。 最後に,方法論分析と潜在的方向性について考察する。

関連論文リスト

• Adapting the Biological SSVEP Response to Artificial Neural Networks [5.4712259563296755]
  本稿では,神経科学の手法である周波数タギングに触発されたニューロン重要度評価に対する新しいアプローチを提案する。 画像分類のための畳み込みニューラルネットワークを用いて行った実験では、パートベースの周波数タギングの下でのニューロン特異的応答における顕著な調和と相互変調が明らかにされた。 提案手法は,ネットワークプルーニングやモデル解釈可能性などの応用を約束し,説明可能な人工知能の進歩に寄与する。
  論文  参考訳（メタデータ） (2024-11-15T10:02:48Z)
• Artificial Neural Microcircuits as Building Blocks: Concept and Challenges [1.0061110876649197]
  ニューラルネットワーク、特にスパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワーク(ANM)を用いてどのように組み立てられるか ノベルティサーチを用いたマイクロサーキットのカタログ作成に向けた初期の成果を示す。
  論文  参考訳（メタデータ） (2024-03-24T23:22:02Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Probing Biological and Artificial Neural Networks with Task-dependent Neural Manifolds [12.037840490243603]
  本稿では,ニューラルネットワークの内部機構について,ニューラル集団幾何学のレンズを用いて検討する。 学習目的の違いが,これらのモデルの組織戦略の違いにどのように影響するかを定量的に評価する。 これらの分析は、ニューラルネットワークにおける機械的および規範的理論を神経集団幾何学を通してブリッジする強力な方向を示す。
  論文  参考訳（メタデータ） (2023-12-21T20:40:51Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Spiking neural network for nonlinear regression [68.8204255655161]
  スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。 彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。 スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-06T13:04:45Z)
• Interpretability of Neural Network With Physiological Mechanisms [5.1971653175509145]
  ディープラーニングは、レグレッションと分類タスクの様々な領域で異常な精度を達成した強力な最先端技術として、引き続き機能している。 ニューラルネットワークモデルを最初に提案する目的は、数学的表現アプローチを使用して複雑な人間の脳を理解することを改善することである。 近年のディープラーニング技術は、ブラックボックス近似器として扱われることによって、機能的プロセスの解釈を失う傾向にある。
  論文  参考訳（メタデータ） (2022-03-24T21:40:04Z)
• POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
  2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。 提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
  論文  参考訳（メタデータ） (2022-01-19T09:26:34Z)
• A State-of-the-art Survey of Object Detection Techniques in Microorganism Image Analysis: from Traditional Image Processing and Classical Machine Learning to Current Deep Convolutional Neural Networks and Potential Visual Transformers [19.612485200561455]
  微生物は人間の生活に重要な役割を果たします。 そのため、微生物検出は人間にとって非常に重要である。 従来の微視的検出法では, 長い検出サイクル, 低い検出精度, 稀な微生物の検出が困難である。 コンピュータ画像解析は微生物の高精度・高効率検出を実現することができる。
  論文  参考訳（メタデータ） (2021-05-07T10:18:17Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。