Fugu-MT 論文翻訳(概要): CBGT-Net: A Neuromimetic Architecture for Robust Classification of Streaming Data

論文の概要: CBGT-Net: A Neuromimetic Architecture for Robust Classification of Streaming Data

arxiv url: http://arxiv.org/abs/2403.15974v1
Date: Sun, 24 Mar 2024 00:46:40 GMT
ステータス: 処理完了
システム内更新日: 2024-03-26 20:12:47.810456
Title: CBGT-Net: A Neuromimetic Architecture for Robust Classification of Streaming Data
Title（参考訳）: CBGT-Net: ストリーミングデータのロバスト分類のためのニューロミメティックアーキテクチャ
Authors: Shreya Sharma, Dana Hughes, Katia Sycara,
Abstract要約: CBGT-Netは、観測されたデータのストリームから証拠の十分な基準が達成された後、出力を生成することを学習する。 CBGT-Netは,単一パッチからの分類を訓練したモデルと比較して,精度と堅牢性の向上を図っている。
参考スコア（独自算出の注目度）: 0.994853090657971
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes CBGT-Net, a neural network model inspired by the cortico-basal ganglia-thalamic (CBGT) circuits found in mammalian brains. Unlike traditional neural network models, which either generate an output for each provided input, or an output after a fixed sequence of inputs, the CBGT-Net learns to produce an output after a sufficient criteria for evidence is achieved from a stream of observed data. For each observation, the CBGT-Net generates a vector that explicitly represents the amount of evidence the observation provides for each potential decision, accumulates the evidence over time, and generates a decision when the accumulated evidence exceeds a pre-defined threshold. We evaluate the proposed model on two image classification tasks, where models need to predict image categories based on a stream of small patches extracted from the image. We show that the CBGT-Net provides improved accuracy and robustness compared to models trained to classify from a single patch, and models leveraging an LSTM layer to classify from a fixed sequence length of patches.
Abstract（参考訳）: 本稿では, 哺乳類脳の皮質基底核-視床神経回路(CBGT)にインスパイアされたニューラルネットワークモデルであるCBGT-Netについて述べる。 CBGT-Netは、提供された各入力に対して出力を生成する従来のニューラルネットワークモデルと異なり、観測されたデータのストリームから証拠の十分な基準が得られた後、出力を生成することを学習する。各観測について、CBGT-Netは、観測が潜在的な決定に対して与える証拠の量を明確に表現したベクトルを生成し、時間とともに証拠を蓄積し、蓄積された証拠が予め定義された閾値を超えたときに決定を生成する。そこでは,画像から抽出した小さなパッチのストリームに基づいて,画像カテゴリを予測する必要がある。 CBGT-Netは、単一パッチから分類する訓練されたモデルと、LSTM層を利用してパッチの固定シーケンス長から分類するモデルと比較して、精度と堅牢性が改善されていることを示す。

関連論文リスト

SODAWideNet++: Combining Attention and Convolutions for Salient Object Detection [3.2586315449885106]
本稿では,Salient Object Detectionのために設計されたSODAWideNet++と呼ばれる新しいエンコーダ・デコーダ型ニューラルネットワークを提案する。視覚変換器が初期からグローバルな受容場を得る能力に触発されて、注意誘導長距離特徴抽出(AGLRFE)モジュールを導入する。 ImageNet事前トレーニングの現在のパラダイムとは対照的に、提案したモデルエンドツーエンドの事前トレーニングのためにアノテーションをバイナライズすることで、COCOセマンティックセグメンテーションデータセットから118Kの注釈付き画像を修正します。
論文参考訳（メタデータ） (2024-08-29T15:51:06Z)
Exploring Beyond Logits: Hierarchical Dynamic Labeling Based on Embeddings for Semi-Supervised Classification [49.09505771145326]
モデル予測に依存しない階層型動的ラベル付け(HDL)アルゴリズムを提案し,画像埋め込みを用いてサンプルラベルを生成する。本手法は,半教師付き学習における擬似ラベル生成のパラダイムを変える可能性がある。
論文参考訳（メタデータ） (2024-04-26T06:00:27Z)
Out-of-Distribution Detection using Neural Activation Prior [15.673290330356194]
アウト・オブ・ディストリビューション検出(OOD)は、機械学習モデルを現実世界にデプロイする上で重要な技術である。 OOD検出のためのシンプルで効果的なニューラルアクティベーションプリミティブ(NAP)を提案する。提案手法は,CIFARベンチマークとImageNetデータセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2024-02-28T08:45:07Z)
Bayesian Layer Graph Convolutioanl Network for Hyperspetral Image Classification [24.91896527342631]
グラフ畳み込みネットワーク(GCN)ベースのモデルは、素晴らしいパフォーマンスを示している。点推定に基づくディープラーニングフレームワークは、一般化が低く、分類結果の不確実性を定量化できない。本稿では,点推定に基づくニューラルネットワークへの挿入層としてベイズ的アイデアを用いたベイズ的層を提案する。 HSIデータセットのサンプル不均衡問題を解決するためにGAN(Generative Adversarial Network)が構築されている。
論文参考訳（メタデータ） (2022-11-14T12:56:56Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
A new perspective on probabilistic image modeling [92.89846887298852]
本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
論文参考訳（メタデータ） (2022-03-21T14:53:57Z)
Animal Behavior Classification via Accelerometry Data and Recurrent Neural Networks [11.099308746733028]
各種リカレントニューラルネットワーク(RNN)モデルを用いた加速度計測データを用いた動物行動の分類について検討した。検討したモデルの分類性能と複雑性を評価する。また、評価には2つの最先端畳み込みニューラルネットワーク(CNN)ベースの時系列分類モデルも含んでいる。
論文参考訳（メタデータ） (2021-11-24T23:28:25Z)
Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
病理組織像における腺分節に対するPRS2モデルを提案する。このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
論文参考訳（メタデータ） (2020-08-06T15:02:38Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)
Explanation-Guided Training for Cross-Domain Few-Shot Classification [96.12873073444091]
クロスドメイン・ショット分類タスク(CD-FSC)は、データセットで表されるドメインをまたいで一般化する要件と、少数ショット分類を組み合わせたものである。既存のFSCモデルに対する新しいトレーニング手法を提案する。説明誘導学習はモデル一般化を効果的に改善することを示す。
論文参考訳（メタデータ） (2020-07-17T07:28:08Z)
A generic ensemble based deep convolutional neural network for semi-supervised medical image segmentation [7.141405427125369]
深層畳み込みニューラルネットワーク(DCNN)に基づく画像セグメンテーションのための汎用的な半教師付き学習フレームワークを提案する。本手法は,ラベルなしデータを組み込むことで,完全教師付きモデル学習を超えて大幅に改善することができる。
論文参考訳（メタデータ） (2020-04-16T23:41:50Z)

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。

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。