論文の概要: Training a spiking neural network on an event-based label-free flow cytometry dataset

• arxiv url: http://arxiv.org/abs/2303.10632v1
• Date: Sun, 19 Mar 2023 11:32:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:15:05.864294
• Title: Training a spiking neural network on an event-based label-free flow cytometry dataset
• Title（参考訳）: イベントベースラベルフリーフローサイトメトリーデータセットを用いたスパイクニューラルネットワークのトレーニング
• Authors: Muhammed Gouda, Steven Abreu, Alessio Lugnan, Peter Bienstman
• Abstract要約: 本研究では、イベントベースカメラと自由空間光学装置を組み合わせることで、マイクロ流体流路を通過する各粒子のスパイクを求める。 スパイクニューラルネットワークは、収集されたデータセットに基づいてトレーニングされ、97.7%の平均トレーニング精度と93.5%の平均テスト精度が得られる。
• 参考スコア（独自算出の注目度）: 0.7742297876120561
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Imaging flow cytometry systems aim to analyze a huge number of cells or micro-particles based on their physical characteristics. The vast majority of current systems acquire a large amount of images which are used to train deep artificial neural networks. However, this approach increases both the latency and power consumption of the final apparatus. In this work-in-progress, we combine an event-based camera with a free-space optical setup to obtain spikes for each particle passing in a microfluidic channel. A spiking neural network is trained on the collected dataset, resulting in 97.7% mean training accuracy and 93.5% mean testing accuracy for the fully event-based classification pipeline.
• Abstract（参考訳）: イメージングフローサイトメトリーシステムは、その物理的特性に基づいて大量の細胞や微小粒子を解析することを目的としている。 現在のシステムの大部分は、ディープニューラルネットワークのトレーニングに使用される大量の画像を取得している。 しかし、このアプローチは最終装置のレイテンシと消費電力を増加させる。 本研究では,イベントベースのカメラと自由空間光学セットアップを組み合わせることで,マイクロ流体チャネル内を通過する粒子のスパイクを得る。 収集されたデータセットに基づいてスパイクニューラルネットワークをトレーニングし、97.7%がトレーニング精度、93.5%が完全なイベントベースの分類パイプラインのテスト精度である。

関連論文リスト

• Automated Segmentation and Analysis of Microscopy Images of Laser Powder Bed Fusion Melt Tracks [0.0]
  断面画像から溶融トラック次元を自動的に識別し,計測する画像分割ニューラルネットワークを提案する。 我々は、U-Netアーキテクチャを用いて、異なる研究室、機械、材料から得られた62個の事前ラベル付き画像のデータセットと、画像拡張を併用したトレーニングを行う。
  論文  参考訳（メタデータ） (2024-09-26T22:44:00Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• UAVs and Neural Networks for search and rescue missions [0.0]
  無人航空機(UAV)が捉えた空中画像において,車,人,火などの興味の対象を検出する方法を提案する。 これを実現するために,ニューラルネットワークを用いて教師あり学習のためのデータセットを作成する。
  論文  参考訳（メタデータ） (2023-10-09T08:27:35Z)
• 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)
• Generalization Across Experimental Parameters in Machine Learning Analysis of High Resolution Transmission Electron Microscopy Datasets [0.0]
  我々は、ナノ粒子の高分解能TEM画像データセットを実験的に収集したニューラルネットワークを訓練し、検証する。 ニューラルネットワークは顕微鏡パラメータ間では堅牢ではなく、特定のサンプルパラメータ間で一般化されていることが分かっています。
  論文  参考訳（メタデータ） (2023-06-20T19:13:49Z)
• Diffused Redundancy in Pre-trained Representations [98.55546694886819]
  事前訓練された表現で機能がどのようにコード化されているか、より詳しく見ていきます。 与えられた層における学習された表現は拡散冗長性を示す。 我々の発見は、事前訓練されたディープニューラルネットワークによって学習された表現の性質に光を当てた。
  論文  参考訳（メタデータ） (2023-05-31T21:00:50Z)
• Analysis of the performance of U-Net neural networks for the segmentation of living cells [0.0]
  この研究は、顕微鏡画像のセグメント化におけるディープラーニングの性能の研究を目標としている。 深層学習技術(主に畳み込みニューラルネットワーク)は細胞セグメンテーション問題に応用されている。 準リアルタイム画像解析が可能となり、6.20GBのデータを4分で処理した。
  論文  参考訳（メタデータ） (2022-10-04T11:48:59Z)
• All-optical image classification through unknown random diffusers using a single-pixel diffractive network [13.7472825798265]
  ランダムで未知の散乱媒体の背後にある物体の分類は、計算画像とマシンビジョンフィールドの難しいタスクをセットする。 近年の深層学習に基づくアプローチは、画像センサによって収集されたディフューザ歪みパターンを用いた物体の分類を実証した。 本稿では,1画素で検出されたブロードバンド照明を用いて未知の物体をランダムな位相拡散器で直接分類する全光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-08-08T08:26:08Z)
• Development of an algorithm for medical image segmentation of bone tissue in interaction with metallic implants [58.720142291102135]
  本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。 骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。 ネットワーク精度の面では、モデルは約98%に達した。
  論文  参考訳（メタデータ） (2022-04-22T08:17:20Z)
• 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)
• Compressive sensing with un-trained neural networks: Gradient descent finds the smoothest approximation [60.80172153614544]
  訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。 トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-07T15:57:25Z)

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。