Fugu-MT 論文翻訳(概要): Benchmarking learned non-Cartesian k-space trajectories and reconstruction networks

論文の概要: Benchmarking learned non-Cartesian k-space trajectories and reconstruction networks

arxiv url: http://arxiv.org/abs/2201.11356v1
Date: Thu, 27 Jan 2022 07:33:13 GMT
ステータス: 処理完了
システム内更新日: 2022-01-28 14:46:18.589751
Title: Benchmarking learned non-Cartesian k-space trajectories and reconstruction networks
Title（参考訳）: 非カルト的k空間軌跡と再構成ネットワークのベンチマーク学習
Authors: Chaithya G R (NEUROSPIN, PARIETAL), Philippe Ciuciu (NEUROSPIN, PARIETAL)
Abstract要約: PILOT, BJORK, および最近開発された一般化ハイブリッド学習(HybLearn)フレームワークと比較した。本稿では,MRスキャナのハードウェア制約を,コスト関数に付加的なペナルティを使用する場合と比較して,予測勾配勾配を用いた場合の利点を示す。
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: We benchmark the current existing methods to jointly learn non-Cartesian k-space trajectory and reconstruction: PILOT, BJORK, and compare them with those obtained from the recently developed generalized hybrid learning (HybLearn) framework. We present the advantages of using projected gradient descent to enforce MR scanner hardware constraints as compared to using added penalties in the cost function. Further, we use the novel HybLearn scheme to jointly learn and compare our results through a retrospective study on fastMRI validation dataset.
Abstract（参考訳）: 本稿では,非カルテ的k空間軌道と再構成を共同で学習するための既存の手法であるpilot,bjorkをベンチマークし,最近開発されたhyblearn(generalized hybrid learning)フレームワークから得られたものと比較する。本稿では,MRスキャナのハードウェア制約を,コスト関数に付加的なペナルティを使用する場合と比較して,予測勾配勾配を用いた場合の利点を示す。さらに,このhyblearnスキームを用いてfastmriバリデーションデータセットのふりかえり調査を行い,結果の学習と比較を行った。

関連論文リスト

Modern Neighborhood Components Analysis: A Deep Tabular Baseline Two Decades Later [59.88557193062348]
我々は、インスタンス間のセマンティックな類似性をキャプチャする線形射影を学習するために設計された古典的近傍成分分析(NCA)を再考する。学習目的の調整や深層学習アーキテクチャの統合といった微調整は,NAAの性能を著しく向上させることがわかった。また,提案したModernNCAの効率性と予測精度を向上する,近隣のサンプリング戦略も導入する。
論文参考訳（メタデータ） (2024-07-03T16:38:57Z)
Heterogeneous Learning Rate Scheduling for Neural Architecture Search on Long-Tailed Datasets [0.0]
本稿では,DARTSのアーキテクチャパラメータに適した適応学習率スケジューリング手法を提案する。提案手法は,学習エポックに基づくアーキテクチャパラメータの学習率を動的に調整し,よく訓練された表現の破壊を防止する。
論文参考訳（メタデータ） (2024-06-11T07:32:25Z)
REBAR: Retrieval-Based Reconstruction for Time-series Contrastive Learning [64.08293076551601]
正の対を識別する学習尺度を新たに提案する。検索ベースレコンストラクションは2つのシーケンス間の類似度を測定する。本稿では,REBAR誤差が相互クラスメンバシップの予測因子であることを示す。
論文参考訳（メタデータ） (2023-11-01T13:44:45Z)
An Empirical Analysis of Recurrent Learning Algorithms In Neural Lossy Image Compression Systems [73.48927855855219]
近年のディープラーニングの進歩により、JPEGとJPEG 2000を標準のKodakベンチマークで上回る画像圧縮アルゴリズムが実現している。本稿では,最近の最先端ハイブリッドニューラル圧縮アルゴリズムの大規模比較を行う。
論文参考訳（メタデータ） (2022-01-27T19:47:51Z)
Conformer-based Hybrid ASR System for Switchboard Dataset [99.88988282353206]
本稿では,競争力のあるコンバータベースハイブリッドモデルトレーニングレシピを提示し,評価する。本研究は,単語誤り率の向上と学習速度向上のための異なる訓練側面と手法について検討する。我々はSwitchboard 300hデータセットで実験を行い、コンバータベースのハイブリッドモデルは競争力のある結果を得る。
論文参考訳（メタデータ） (2021-11-05T12:03:18Z)
Self-Supervised Learning for MRI Reconstruction with a Parallel Network Training Framework [24.46388892324129]
提案手法は柔軟であり,既存のディープラーニング手法にも適用可能である。本手法の有効性を、オープン脳MRIデータセットを用いて評価する。
論文参考訳（メタデータ） (2021-09-26T06:09:56Z)
Automated Audio Captioning using Transfer Learning and Reconstruction Latent Space Similarity Regularization [21.216783537997426]
本稿では,PANNが自動音声キャプチャータスクに提供した音響特性をよりよく活用するアーキテクチャを提案する。また、新しい自己監督型ラテント空間類似度正規化(RLSSR)も導入する。
論文参考訳（メタデータ） (2021-08-10T13:49:41Z)
Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文参考訳（メタデータ） (2021-08-03T19:24:25Z)
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)
Learning ODE Models with Qualitative Structure Using Gaussian Processes [0.6882042556551611]
多くのコンテキストにおいて、明示的なデータ収集は高価であり、学習アルゴリズムはデータ効率が良くなければならない。スパースガウス過程を用いて微分方程式のベクトル場を学習する手法を提案する。この組み合わせにより,外挿性能と長期的挙動が大幅に向上し,計算コストの低減が図られる。
論文参考訳（メタデータ） (2020-11-10T19:34:07Z)
A Comparative Study of Existing and New Deep Learning Methods for Detecting Knee Injuries using the MRNet Dataset [9.808620526969648]
この研究は、スタンフォードのMRNetデータセットを利用して膝関節損傷を検出する既存の技術と新しい技術の比較研究である。すべてのアプローチはディープラーニングに基づいており、転送学習とスクラッチからトレーニングされたディープ残差ネットワークの比較性能について検討する。
論文参考訳（メタデータ） (2020-10-05T12:27:18Z)

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。