Fugu-MT 論文翻訳(概要): Multi-dimensional Parameter Space Exploration for Streamline-specific Tractography

論文の概要: Multi-dimensional Parameter Space Exploration for Streamline-specific Tractography

arxiv url: http://arxiv.org/abs/2408.05056v1
Date: Fri, 9 Aug 2024 13:25:05 GMT
ステータス: 処理完了
システム内更新日: 2024-08-12 15:47:15.119397
Title: Multi-dimensional Parameter Space Exploration for Streamline-specific Tractography
Title（参考訳）: 流線特異的トラクトグラフィーのための多次元パラメータ空間探索
Authors: Ruben Vink, Anna Vilanova, Maxime Chamberland,
Abstract要約: 実世界のデータを用いた合理化に着目し,パラメータ空間に対する洞察を得る方法について述べる。合成データ上でのストリーム毎パラメータを用いた最先端の確率的追跡手法を検証する。本研究では,SSPがパラメータ空間のパターンを明らかにするためにどのように使用できるかを示すことで,SSPの潜在的付加価値を示す。
参考スコア（独自算出の注目度）: 0.29998889086656577
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: One of the unspoken challenges of tractography is choosing the right parameters for a given dataset or bundle. In order to tackle this challenge, we explore the multi-dimensional parameter space of tractography using streamline-specific parameters (SSP). We 1) validate a state-of-the-art probabilistic tracking method using per-streamline parameters on synthetic data, and 2) show how we can gain insights into the parameter space by focusing on streamline acceptance using real-world data. We demonstrate the potential added value of SSP to the current state of tractography by showing how SSP can be used to reveal patterns in the parameter space.
Abstract（参考訳）: トラクトグラフィーの予期せぬ課題の1つは、与えられたデータセットやバンドルの適切なパラメータを選択することである。この課題に対処するために,SSPを用いたトラクトグラフィーの多次元パラメータ空間について検討する。我が家 1) 合成データ上でのストリーム単位パラメータを用いた最先端確率追跡手法の検証,及び 2) 実世界のデータを用いた合理化に着目し,パラメータ空間に対する洞察を得る方法を示す。本研究では,SSPがパラメータ空間のパターンを明らかにするためにどのように使用できるかを示すことで,SSPの潜在的付加価値を示す。

関連論文リスト

A Statistical Machine Learning Approach for Adapting Reduced-Order Models using Projected Gaussian Process [4.658371840624581]
適切な直交分解(POD)は、低次元の部分空間にまたがる最適基底モードを計算する。本稿では,予測ガウス過程 (pGP) を提案し,PODベースを教師付き統計学習問題として適用する問題を定式化する。パラメータ変化に対してPODベースを適用するために提案したpGPの利点を示す数値的な例を示す。
論文参考訳（メタデータ） (2024-10-18T00:02:43Z)
ParamsDrag: Interactive Parameter Space Exploration via Image-Space Dragging [10.860159623360842]
ParamsDragは、ビジュアライゼーションと直接対話することでパラメータ空間の探索を容易にするモデルである。第一に、ParamsDragの生成成分は、入力シミュレーションパラメータに基づいて視覚化を生成する。第2に、可視化において構造関連機能を直接ドラッグすることで、ユーザーは異なるパラメータの制御効果を直感的に理解することができる。第三に、初期のステップから理解することで、ユーザはParamsDragを操り、ダイナミックな視覚的な結果を生み出すことができる。
論文参考訳（メタデータ） (2024-07-19T08:12:41Z)
Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文参考訳（メタデータ） (2023-11-30T13:50:21Z)
Tuning the perplexity for and computing sampling-based t-SNE embeddings [7.85331971049706]
サンプルベースの埋め込み手法は,大規模なデータセットで問題を回避することができることを示す。このアプローチによって計算速度が向上し,組込みの質が向上することを示す。
論文参考訳（メタデータ） (2023-08-29T16:24:11Z)
Joint Bayesian Inference of Graphical Structure and Parameters with a Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文参考訳（メタデータ） (2023-05-30T19:16:44Z)
Sensitivity-Aware Visual Parameter-Efficient Fine-Tuning [91.5113227694443]
私たちは新しいビジュアルを提案します。 Sensuous-Aware Fine-Tuning (SPT) スキーム。 SPTはタスク固有の重要な位置にトレーニング可能なパラメータを割り当てる。ダウンストリーム認識タスクの幅広い実験により,SPTは既存のPEFT法と相補的であることが示された。
論文参考訳（メタデータ） (2023-03-15T12:34:24Z)
Feature space exploration as an alternative for design space exploration beyond the parametric space [2.578242050187029]
本稿では,Deep Learning (DL) を用いた設計特徴抽出により生成された特徴空間とパラメトリック設計空間を比較した。パラメトリック設計空間は、個々のパラメータの組み合わせに基づいているため、設計ソリューションを記述する方法が狭いことを実証する。比較して,複雑なパラメータの関係に応じて,特徴設計空間が直感的に設計ソリューションを表現できることが観察された。
論文参考訳（メタデータ） (2023-01-26T21:03:51Z)
Learning and Understanding a Disentangled Feature Representation for Hidden Parameters in Reinforcement Learning [1.3909388235627789]
本稿では,RL軌道を距離が隠れパラメータによるシステム挙動の相対的な差を表す特徴空間にマッピングする教師なし手法を提案する。モデルベースRLで使用されるリカレントニューラルネットワーク(RNN)の世界モデルを活用することにより,隠れパラメータの影響を解消する。
論文参考訳（メタデータ） (2022-11-29T15:55:30Z)
Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文参考訳（メタデータ） (2021-02-01T21:19:15Z)
Optimizing Vessel Trajectory Compression [71.42030830910227]
前回の研究では,AISの位置情報をオンラインで消費することで,血管軌跡の要約表現を提供するトラジェクトリ検出モジュールを導入しました。この手法は、生データの少なくとも70%を冗長として廃棄することにより、元のコースからほとんど逸脱しない信頼性の高い軌道合成を提供することができる。しかし、そのような軌道圧縮はパラメトリゼーションに非常に敏感である。各容器のタイプを考慮し, 軌道のシナプスを改良する適切な構成を提供する。
論文参考訳（メタデータ） (2020-05-11T20:38:56Z)
From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文参考訳（メタデータ） (2020-01-21T06:51:47Z)

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。