Fugu-MT 論文翻訳(概要): Deep Linear Discriminant Analysis with Variation for Polycystic Ovary Syndrome Classification

論文の概要: Deep Linear Discriminant Analysis with Variation for Polycystic Ovary Syndrome Classification

arxiv url: http://arxiv.org/abs/2303.14401v1
Date: Sat, 25 Mar 2023 08:39:06 GMT
ステータス: 処理完了
システム内更新日: 2023-03-28 20:02:15.996922
Title: Deep Linear Discriminant Analysis with Variation for Polycystic Ovary Syndrome Classification
Title（参考訳）: 多嚢胞性卵巣症候群の分類における違いを伴う線分別分析
Authors: Raunak Joshi, Abhishek Gupta, Himanshu Soni, Ronald Laban
Abstract要約: 単純な機械学習アルゴリズムは、Deep Learningを使用して高度なフレームワークで改善することができる。線形判別式解析は, 深部LDAを用いて, 性能を向上できる線形次元削減アルゴリズムである。
参考スコア（独自算出の注目度）: 3.1871776847712523
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The polycystic ovary syndrome diagnosis is a problem that can be leveraged using prognostication based learning procedures. Many implementations of PCOS can be seen with Machine Learning but the algorithms have certain limitations in utilizing the processing power graphical processing units. The simple machine learning algorithms can be improved with advanced frameworks using Deep Learning. The Linear Discriminant Analysis is a linear dimensionality reduction algorithm for classification that can be boosted in terms of performance using deep learning with Deep LDA, a transformed version of the traditional LDA. In this result oriented paper we present the Deep LDA implementation with a variation for prognostication of PCOS.
Abstract（参考訳）: 多嚢胞性卵巣症候群(Polycystic ovary syndrome)の診断は、予後に基づく学習法を用いて活用できる問題である。 PCOSの実装の多くは機械学習で見ることができるが、アルゴリズムにはグラフィカル処理ユニットの処理能力に一定の制限がある。単純な機械学習アルゴリズムは、Deep Learningを使用して高度なフレームワークで改善することができる。線形判別分析は、従来のLDAの変換版であるDeep LDAを用いて、ディープラーニングを用いて性能を向上させることができる分類のための線形次元削減アルゴリズムである。本論文では,PCOSの予後の変動を考慮したDeep LDAの実装について述べる。

関連論文リスト

The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文参考訳（メタデータ） (2023-03-17T02:01:11Z)
Understanding Incremental Learning of Gradient Descent: A Fine-grained Analysis of Matrix Sensing [74.2952487120137]
GD(Gradient Descent)は、機械学習モデルにおいて、良い一般化に対する暗黙のバイアスをもたらすと考えられている。本稿では,行列センシング問題に対するGDのダイナミクスを詳細に解析する。
論文参考訳（メタデータ） (2023-01-27T02:30:51Z)
An online algorithm for contrastive Principal Component Analysis [9.090031210111919]
我々は、cPCA*のオンラインアルゴリズムを導き、局所的な学習規則でニューラルネットワークにマップできることを示し、エネルギー効率の良いニューロモルフィックハードウェアで実装できる可能性がある。実際のデータセット上でのオンラインアルゴリズムの性能を評価し、元の定式化との相違点と類似点を強調した。
論文参考訳（メタデータ） (2022-11-14T19:48:48Z)
Discriminant Analysis in Contrasting Dimensions for Polycystic Ovary Syndrome Prognostication [3.1871776847712523]
PCOSとしても知られる多嚢胞性卵巣症候群は二項分類の問題である。本稿では,2進分類のための線形形式と四進形式の異なる次元の判別分析とメトリクスについて述べる。判別分析では精度が良く, ばらつきも少なかった。
論文参考訳（メタデータ） (2022-01-09T14:55:17Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文参考訳（メタデータ） (2021-06-17T17:26:31Z)
Regularized Deep Linear Discriminant Analysis [26.08062442399418]
古典的な線形判別解析(LDA)の非線形拡張として、Deep Linear Discriminant Analysis(DLDA)は元のCategorical Cross Entropy(CCE)損失関数を置き換える。各次元の識別能力を高めるために, クラス内散乱行列の正則化法を提案する。
論文参考訳（メタデータ） (2021-05-15T03:54:32Z)
Explainability: Relevance based Dynamic Deep Learning Algorithm for Fault Detection and Diagnosis in Chemical Processes [0.0]
産業環境における統計的プロセス制御(SPC)の2つの重要な応用は、故障検出と診断(FDD)である。本研究では,FDDに対して深層学習(DL)に基づく方法論を提案する。本研究では,比較的少ないサンプル数のデータセットを用いた深層ニューラルネットワークモデルのfdd精度向上のための説明可能性概念の適用について検討する。
論文参考訳（メタデータ） (2021-03-22T23:10:05Z)
Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文参考訳（メタデータ） (2020-10-07T08:36:44Z)
A PDD Decoder for Binary Linear Codes With Neural Check Polytope Projection [43.97522161614078]
基本ポリトープに基づく最大可算(ML)復号問題に対処するPDDアルゴリズムを提案する。また、PDD復号アルゴリズムの最も時間を要する部分に機械学習技術を統合することを提案する。本稿では、デコード遅延を低減するために特別に設計されたニューラルCPP(N CPP)アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-11T07:57:15Z)
Predictive Coding Approximates Backprop along Arbitrary Computation Graphs [68.8204255655161]
我々は、コア機械学習アーキテクチャを予測的符号化に翻訳する戦略を開発する。私たちのモデルは、挑戦的な機械学習ベンチマークのバックプロップと同等に機能します。本手法は,ニューラルネットワークに標準機械学習アルゴリズムを直接実装できる可能性を高める。
論文参考訳（メタデータ） (2020-06-07T15:35:47Z)

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。