Fugu-MT 論文翻訳(概要): Robust Deep Neural Network Estimation for Multi-dimensional Functional Data

論文の概要: Robust Deep Neural Network Estimation for Multi-dimensional Functional Data

arxiv url: http://arxiv.org/abs/2205.09604v1
Date: Thu, 19 May 2022 14:53:33 GMT
ステータス: 処理完了
システム内更新日: 2022-05-20 14:44:28.656699
Title: Robust Deep Neural Network Estimation for Multi-dimensional Functional Data
Title（参考訳）: 多次元関数データに対するロバスト深層ニューラルネットワーク推定
Authors: Shuoyang Wang, Guanqun Cao
Abstract要約: 多次元関数データから位置関数のロバストな推定法を提案する。提案した推定器は、ReLUアクティベーション機能を持つディープニューラルネットワークに基づいている。また,アルツハイマー病患者の2Dおよび3D画像の解析にも応用した。
参考スコア（独自算出の注目度）: 0.22843885788439797
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we propose a robust estimator for the location function from multi-dimensional functional data. The proposed estimators are based on the deep neural networks with ReLU activation function. At the meanwhile, the estimators are less susceptible to outlying observations and model-misspecification. For any multi-dimensional functional data, we provide the uniform convergence rates for the proposed robust deep neural networks estimators. Simulation studies illustrate the competitive performance of the robust deep neural network estimators on regular data and their superior performance on data that contain anomalies. The proposed method is also applied to analyze 2D and 3D images of patients with Alzheimer's disease obtained from the Alzheimer Disease Neuroimaging Initiative database.
Abstract（参考訳）: 本稿では,多次元関数データからの位置関数に対するロバスト推定器を提案する。提案した推定器は、ReLUアクティベーション機能を持つディープニューラルネットワークに基づいている。一方、推定器は外部からの観測やモデルミスの影響を受けにくい。多次元関数データに対して,提案するロバスト深層ニューラルネットワーク推定器に対して一様収束率を与える。シミュレーション研究は、通常のデータに対するロバストなディープニューラルネットワーク推定器の競合性能と、異常を含むデータでの優れた性能を示す。また,アルツハイマー病ニューロイメージングイニシアチブデータベースから得られたアルツハイマー病患者の2Dおよび3D画像の解析にも応用した。

関連論文リスト

Dense ReLU Neural Networks for Temporal-spatial Model [13.8173644075917]
非パラメトリック推定にRectified Linear Unit (ReLU) アクティベーション機能を利用する完全接続深層ニューラルネットワークに着目する。我々は、観測された測定における時間的および空間的依存に対処するため、収束率につながる非漸近境界を導出する。我々はまた、多様体上のデータをモデル化し、高次元データの本質的な次元性を探求することで、次元性の呪いに取り組む。
論文参考訳（メタデータ） (2024-11-15T05:30:36Z)
Predicting Infant Brain Connectivity with Federated Multi-Trajectory GNNs using Scarce Data [54.55126643084341]
既存のディープラーニングソリューションには,3つの大きな制限がある。我々はフェデレートグラフベースの多軌道進化ネットワークであるFedGmTE-Net++を紹介する。フェデレーションの力を利用して、限られたデータセットを持つ多種多様な病院の地域学習を集約する。
論文参考訳（メタデータ） (2024-01-01T10:20:01Z)
Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
論文参考訳（メタデータ） (2023-07-20T13:34:11Z)
The Effect of Data Dimensionality on Neural Network Prunability [28.845848452511955]
ニューラルネットワークのプルーナビリティに寄与する可能性のある入力データの特性について検討する。画像、テキスト、音声などの高次元の入力データに対して、多様体仮説はこれらの高次元の入力が、かなり低い次元の多様体の上または近くにあることを示唆している。
論文参考訳（メタデータ） (2022-12-01T05:33:25Z)
DeepAD: A Robust Deep Learning Model of Alzheimer's Disease Progression for Real-World Clinical Applications [0.9999629695552196]
本稿では,アルツハイマー病の進行を予測するための新しいマルチタスク深層学習モデルを提案する。本モデルでは,3次元畳み込みニューラルネットワークの高次元MRI特徴を他のデータモダリティと統合する。
論文参考訳（メタデータ） (2022-03-17T05:42:00Z)
Multigoal-oriented dual-weighted-residual error estimation using deep neural networks [0.0]
ディープラーニングは、関数を近似する柔軟性の高い強力なツールだと考えられている。提案手法は,誤差の局所化に付随する問題を解く後続誤差推定法に基づく。複数のゴール関数に対する後方誤差推定を得るために,効率的で実装が容易なアルゴリズムを開発した。
論文参考訳（メタデータ） (2021-12-21T16:59:44Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文参考訳（メタデータ） (2021-02-15T08:19:05Z)
Estimation of the Mean Function of Functional Data via Deep Neural Networks [6.230751621285321]
関数データに対して非パラメトリック回帰を行うディープニューラルネットワーク手法を提案する。本手法は,アルツハイマー病患者における陽電子放出トモグラフィ画像の解析に用いる。
論文参考訳（メタデータ） (2020-12-08T17:18:16Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
Rectified Linear Postsynaptic Potential Function for Backpropagation in Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文参考訳（メタデータ） (2020-03-26T11:13:07Z)

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。