論文の概要: Homodyned K-distribution: parameter estimation and uncertainty quantification using Bayesian neural networks

• arxiv url: http://arxiv.org/abs/2211.00175v1
• Date: Mon, 31 Oct 2022 22:38:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 15:02:03.491967
• Title: Homodyned K-distribution: parameter estimation and uncertainty quantification using Bayesian neural networks
• Title（参考訳）: 均質K分布:ベイズニューラルネットワークを用いたパラメータ推定と不確実性定量化
• Authors: Ali K. Z. Tehrani, Ivan M. Rosado-Mendez, and Hassan Rivaz
• Abstract要約: Homodyned K-distribution (HK-distribution) のパラメータは、様々な散乱条件下で包絡データをモデル化できるスペックル統計である。 我々は,HK分布のパラメータを推定し,推定器の不確かさを定量化するためにベイズニューラルネットワーク(BNN)を提案する。
• 参考スコア（独自算出の注目度）: 2.599882743586164
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantitative ultrasound (QUS) allows estimating the intrinsic tissue properties. Speckle statistics are the QUS parameters that describe the first order statistics of ultrasound (US) envelope data. The parameters of Homodyned K-distribution (HK-distribution) are the speckle statistics that can model the envelope data in diverse scattering conditions. However, they require a large amount of data to be estimated reliably. Consequently, finding out the intrinsic uncertainty of the estimated parameters can help us to have a better understanding of the estimated parameters. In this paper, we propose a Bayesian Neural Network (BNN) to estimate the parameters of HK-distribution and quantify the uncertainty of the estimator.
• Abstract（参考訳）: 定量的超音波(QUS)は固有の組織特性を推定することができる。 スペックル統計(speckle statistics)は、超音波(us)エンベロープデータの第一次統計を記述するqusパラメータである。 Homodyned K-distribution (HK-distribution) のパラメータは、様々な散乱条件下で包絡データをモデル化できるスペックル統計である。 しかし、それらは確実に推定されるために大量のデータを必要とする。 その結果、推定パラメータの本質的な不確実性を見つけることは、推定パラメータをよりよく理解するのに役立ちます。 本稿では,HK分布のパラメータを推定し,推定器の不確かさを定量化するためのベイズニューラルネットワークを提案する。

関連論文リスト

• Uncertainty Decomposition and Error Margin Detection of Homodyned-K Distribution in Quantitative Ultrasound [1.912429179274357]
  定量的超音波(QUS)における均質K分布(HK分布)パラメータ推定をベイズニューラルネットワーク(BNN)を用いて最近検討した。 BNNは、精度と精度を損なうことなく、スペックル統計に基づくQUSの計算時間を著しく短縮することが示されている。
  論文  参考訳（メタデータ） (2024-09-17T22:16:49Z)
• Tractable Function-Space Variational Inference in Bayesian Neural Networks [72.97620734290139]
  ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。 本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。 提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-28T18:33:26Z)
• Bayesian Analysis for Over-parameterized Linear Model without Sparsity [8.1585306387285]
  本研究では,データ共分散行列の固有ベクトルに依存する事前分布を用いたベイズ的手法を提案する。 また、導出した後続推定の収縮率も提供し、後続分布のガウス近似を計算した。 これらの結果は,データスペクトルを処理し,非スパースな高次元パラメータを推定できるベイズ的手法が実現可能であることを示唆している。
  論文  参考訳（メタデータ） (2023-05-25T06:07:47Z)
• NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
  本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。 種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
  論文  参考訳（メタデータ） (2022-02-07T12:30:45Z)
• Dense Uncertainty Estimation [62.23555922631451]
  本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。 本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
  論文  参考訳（メタデータ） (2021-10-13T01:23:48Z)
• Non-parametric Kernel-Based Estimation of Probability Distributions for Precipitation Modeling [0.0]
  湿潤時間間隔の降水量の累積分布関数(CDF)の非パラメトリック推定を導出した。 我々は、KCDEが標準的な経験的(階段)推定よりも確率分布のより良い推定値を提供することを示した。
  論文  参考訳（メタデータ） (2021-09-21T04:52:00Z)
• Machine Learning Based Parameter Estimation of Gaussian Quantum States [14.85374185122389]
  単一モードガウス量子状態のパラメータ推定のための機械学習フレームワークを提案する。 ベイジアン・フレームワークでは、測定データから適切な事前分布のパラメータを推定する。
  論文  参考訳（メタデータ） (2021-08-13T04:59:16Z)
• The $s$-value: evaluating stability with respect to distributional shifts [3.330229314824913]
  実際には、場所と時間の間で分布が変化するため、データセット間で伝達される知識の収集が困難になる。 本論文では,Kulback-Leibler分散に対する統計的パラメータの分布不安定度を定量化する不安定度尺度を提案する。 提案手法の有効性を実データ上で評価し,パラメータの分布不安定性をあるシフトに対して解明可能であることを示す。
  論文  参考訳（メタデータ） (2021-05-07T05:18:12Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
  本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。 Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。 クリッピング推定器と呼ばれる新しい推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-07T17:21:56Z)

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。