Fugu-MT 論文翻訳(概要): Toward more frugal models for functional cerebral networks automatic recognition with resting-state fMRI

論文の概要: Toward more frugal models for functional cerebral networks automatic recognition with resting-state fMRI

arxiv url: http://arxiv.org/abs/2307.01953v1
Date: Tue, 4 Jul 2023 23:06:57 GMT
ステータス: 処理完了
システム内更新日: 2023-07-06 15:31:30.401374
Title: Toward more frugal models for functional cerebral networks automatic recognition with resting-state fMRI
Title（参考訳）: 静止状態fMRIを用いた機能的脳ネットワークの自動認識モデルの構築に向けて
Authors: Lukman Ismaila, Pejman Rasti, Jean-Michel Lem\'ee, David Rousseau
Abstract要約: 我々は、スーパーボクセルの形式で異なる符号化手法を調査し、その後、パフォーマンスの損失を追跡しながら、モデルの複雑さを減らすためにグラフを作成している。このアプローチは、脳腫瘍患者の安静時機能ネットワークの認識タスクについて説明する。
参考スコア（独自算出の注目度）: 3.0614165499580777
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We refer to a machine learning situation where models based on classical convolutional neural networks have shown good performance. We are investigating different encoding techniques in the form of supervoxels, then graphs to reduce the complexity of the model while tracking the loss of performance. This approach is illustrated on a recognition task of resting-state functional networks for patients with brain tumors. Graphs encoding supervoxels preserve activation characteristics of functional brain networks from images, optimize model parameters by 26 times while maintaining CNN model performance.
Abstract（参考訳）: 古典的畳み込みニューラルネットワークに基づくモデルが優れた性能を示した機械学習の状況について述べる。我々はスーパーボクセル(supervoxel)という形で異なる符号化技術を調査し、性能の低下を追跡しながらモデルの複雑さを減らすためにグラフを作成する。このアプローチは、脳腫瘍患者の安静時機能ネットワークの認識タスクについて説明する。超ボクセルをコードするグラフは、画像から機能的脳ネットワークの活性化特性を保存し、cnnモデルの性能を維持しながらモデルパラメータを26倍最適化する。

関連論文リスト

Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Manipulating Feature Visualizations with Gradient Slingshots [54.31109240020007]
本稿では,モデルの決定過程に大きな影響を及ぼすことなく,特徴可視化(FV)を操作する新しい手法を提案する。ニューラルネットワークモデルにおける本手法の有効性を評価し,任意の選択したニューロンの機能を隠蔽する能力を示す。
論文参考訳（メタデータ） (2024-01-11T18:57:17Z)
Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
畳み込み型神経生成符号化(Conv-NGC)を開発した。我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
論文参考訳（メタデータ） (2022-11-22T06:42:41Z)
Low-Light Image Restoration Based on Retina Model using Neural Networks [0.0]
提案したニューラルネットワークモデルは、従来の信号処理モデルと対照的に計算オーバーヘッドのコストを削減し、主観的観点から複雑なディープラーニングモデルに匹敵する結果を生成する。この研究は、ニューラルネットワークを用いて網膜ニューロンの機能を直接シミュレートするために、最適パラメーターを手動で探すことを避けるだけでなく、特定の神経生物学組織のために対応する人工バージョンを構築する方法を構築することも示している。
論文参考訳（メタデータ） (2022-10-04T08:14:49Z)
Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
論文参考訳（メタデータ） (2022-07-14T20:03:52Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Training Deep Spiking Auto-encoders without Bursting or Dying Neurons through Regularization [9.34612743192798]
スパイクニューラルネットワークは、計算神経科学における次世代の脳モデルに対する有望なアプローチである。膜電位に基づくバックプロパゲーションを用いたエンドツーエンド学習を、スパイクする畳み込みオートエンコーダに適用する。膜電位とスパイク出力に正規化を適用することで、死と破裂の両方のニューロンをうまく回避できることを示す。
論文参考訳（メタデータ） (2021-09-22T21:27:40Z)
Modeling the Nonsmoothness of Modern Neural Networks [35.93486244163653]
ピークの大きさの和(SMP)という特徴を用いて不滑らかさを定量化する。この非平滑性機能は、ニューラルネットワークの回帰ベースのアプリケーションのためのフォレンジックツールとして利用される可能性があると考えます。
論文参考訳（メタデータ） (2021-03-26T20:55:19Z)
The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文参考訳（メタデータ） (2020-09-15T09:25:37Z)
Learning Shape Features and Abstractions in 3D Convolutional Neural Networks for Detecting Alzheimer's Disease [0.0]
本論文では,アルツハイマー病を検出するための3D ConvNets による学習形状の特徴と抽象化について検討した。異なるモデルのLRP関連マップでは、どの部位が分類決定に関連しているかが明らかにされた。最後に,畳み込み型オートエンコーダからの伝達学習を実施し,入力パッチによるトレーニングサンプル数の増加が学習機能やモデル性能を向上させるかを確認した。
論文参考訳（メタデータ） (2020-09-10T17:41:03Z)

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。