Fugu-MT 論文翻訳(概要): Residual-Concatenate Neural Network with Deep Regularization Layers for Binary Classification

論文の概要: Residual-Concatenate Neural Network with Deep Regularization Layers for Binary Classification

arxiv url: http://arxiv.org/abs/2205.12775v1
Date: Wed, 25 May 2022 13:42:35 GMT
ステータス: 処理完了
システム内更新日: 2022-05-26 19:52:19.375991
Title: Residual-Concatenate Neural Network with Deep Regularization Layers for Binary Classification
Title（参考訳）: 二項分類のための深い正規化層を有する残留連結ニューラルネットワーク
Authors: Abhishek Gupta, Sruthi Nair, Raunak Joshi, Vidya Chitre
Abstract要約: 我々は,多嚢胞性卵巣症候群の予後診断に最も適した,多くの正規化層と結合プロセスを用いたディープニューラルネットワークを訓練する。このネットワークは、データのニーズを満たすためのあらゆるステップから改善され、99.3%の精度をシームレスに達成した。
参考スコア（独自算出の注目度）: 3.1871776847712523
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many complex Deep Learning models are used with different variations for various prognostication tasks. The higher learning parameters not necessarily ensure great accuracy. This can be solved by considering changes in very deep models with many regularization based techniques. In this paper we train a deep neural network that uses many regularization layers with residual and concatenation process for best fit with Polycystic Ovary Syndrome Diagnosis prognostication. The network was built with improvements from every step of failure to meet the needs of the data and achieves an accuracy of 99.3% seamlessly.
Abstract（参考訳）: 多くの複雑なディープラーニングモデルは、様々な予測タスクに異なるバリエーションで使用される。高い学習パラメータは必ずしも高い精度を保証するものではない。これは、多くの正規化に基づく手法で非常に深いモデルの変化を考慮することで解決できる。本稿では,多嚢胞性卵巣症候群の診断に最も適した残像と結合過程を有する多くの正規化層を用いたディープニューラルネットワークを訓練する。このネットワークは、データのニーズを満たすためのあらゆるステップから改善され、99.3%の精度をシームレスに達成した。

関連論文リスト

Spectrum-Informed Multistage Neural Networks: Multiscale Function Approximators of Machine Precision [1.2663244405597374]
我々は,新しい多段階ニューラルネットワークを用いて,前段階から残余を学習する。ニューラルネットワークのスペクトルバイアスにうまく取り組みました。このアプローチにより、ニューラルネットワークはターゲット関数を二重浮動小数点マシン精度に適合させることができる。
論文参考訳（メタデータ） (2024-07-24T12:11:09Z)
Automated Heterogeneous Low-Bit Quantization of Multi-Model Deep Learning Inference Pipeline [2.9342849999747624]
単一ディープラーニング(DL)推論パイプラインに統合されたマルチディープニューラルネットワーク(DNN)は、エッジデプロイメントの課題を提起する。本稿では,複数のDNNを用いたDL推論パイプラインの自動均一量子化手法を提案する。
論文参考訳（メタデータ） (2023-11-10T05:02:20Z)
Precision Machine Learning [5.15188009671301]
様々な関数近似法を比較し,パラメータやデータの増加とともにスケールする方法について検討する。ニューラルネットワークは、しばしば高次元の例において古典的近似法より優れていることが判明した。我々は,ニューラルネットワークを極端に低損失に訓練する訓練手法を開発した。
論文参考訳（メタデータ） (2022-10-24T17:58:30Z)
Physically constrained neural networks to solve the inverse problem for neuron models [0.29005223064604074]
システム生物学とシステム神経生理学は、生体医学科学における多くの重要な応用のための強力なツールである。ディープニューラルネットワークの分野における最近の進歩は、非線形で普遍的な近似を定式化する可能性を示している。
論文参考訳（メタデータ） (2022-09-24T12:51:15Z)
Multivariate Anomaly Detection based on Prediction Intervals Constructed using Deep Learning [0.0]
提案手法は,よく確立された統計モデルに対するものである。我々は3つのディープラーニングアーキテクチャ、すなわちカスケードニューラルネットワーク、貯水池コンピューティング、長期記憶のリカレントニューラルネットワークに焦点を当てている。
論文参考訳（メタデータ） (2021-10-07T12:34:31Z)
Differentially private training of neural networks with Langevin dynamics forcalibrated predictive uncertainty [58.730520380312676]
その結果,DP-SGD(差分偏差勾配勾配勾配勾配勾配)は,低校正・過信深層学習モデルが得られることがわかった。これは、医療診断など、安全クリティカルな応用にとって深刻な問題である。
論文参考訳（メタデータ） (2021-07-09T08:14:45Z)
Non-Gradient Manifold Neural Network [79.44066256794187]
ディープニューラルネットワーク(DNN)は通常、勾配降下による最適化に数千のイテレーションを要します。非次最適化に基づく新しい多様体ニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-06-15T06:39:13Z)
All at Once Network Quantization via Collaborative Knowledge Transfer [56.95849086170461]
オールオンス量子化ネットワークを効率的にトレーニングするための新しい共同知識伝達アプローチを開発しています。具体的には、低精度の学生に知識を伝達するための高精度のエンクォータを選択するための適応的選択戦略を提案する。知識を効果的に伝達するために,低精度の学生ネットワークのブロックを高精度の教師ネットワークのブロックにランダムに置き換える動的ブロックスワッピング法を開発した。
論文参考訳（メタデータ） (2021-03-02T03:09:03Z)
LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
論文参考訳（メタデータ） (2021-03-01T03:10:11Z)
Beyond Dropout: Feature Map Distortion to Regularize Deep Neural Networks [107.77595511218429]
本稿では,ディープニューラルネットワークの中間層に関連する実験的なRademacher複雑性について検討する。上記の問題に対処するための特徴歪み法(Disout)を提案する。より高い試験性能を有するディープニューラルネットワークを作製するための特徴写像歪みの優位性を解析し、実証した。
論文参考訳（メタデータ） (2020-02-23T13:59:13Z)
MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。