論文の概要: Integrated Deep Learning Framework Designed on Hybrid Optimization Strategies for Automated Health Detection and Analysis in Silkworms

• arxiv url: http://arxiv.org/abs/2609.31701v1
• Date: Sat, 19 Sep 2026 10:58:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:38:48.416197
• Title: Integrated Deep Learning Framework Designed on Hybrid Optimization Strategies for Automated Health Detection and Analysis in Silkworms
• Title（参考訳）: シルクワームの健康自動検出と分析のためのハイブリッド最適化手法に基づく統合型ディープラーニングフレームワーク
• Abstract要約: カイコの画像を正確に分類するためのハイブリッド残留注意ネットワークを提案する。 深い特徴抽出のために残留ブロックを使用し、病気に関連する特徴に注意を向ける。 IAMOを用いて最適化され、98.67%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A Hybrid Residual Attention Network is proposed for accurately classifying silkworm images into six different classes, including healthy and diseased states. It uses residual blocks for deep feature extraction and attention to focus on disease related features. A novel Integrated Adaptive Momentum Optimizer was introduced to enhance convergence and improve training efficiency. The dataset of silkworm images underwent preprocessing techniques such as normalization, resizing, and noise reduction, along with augmentation strategies to improve data quality and diversity. It is optimized using IAMO, achieved an accuracy of 98.67%.The integration of spatial and channel wise attention mechanisms, coupled with IAMO, significantly enhanced the model ability to recognize subtle differences between classes. Results indicate that HRAN can be used to detect disease at an early stage in sericulture, and future work will enhance scalability and efficiency in different environments.
• Abstract（参考訳）: The Hybrid Residual Attention Network is proposed to accurate size of silkworm images into six different class, including healthy and diseased states。 深い特徴抽出のために残留ブロックを使用し、病気に関連する特徴に注意を向ける。 アダプティブ・モーメント・オプティマイザは, 収束性を高め, 訓練効率を向上させるために導入された。 カイコ画像のデータセットは、正規化、リサイズ、ノイズ低減などの前処理技術と、データ品質と多様性を改善するための強化戦略が実施された。 IAMOを用いて最適化され、98.67%の精度を達成した。 IAMOと組み合わせた空間的・チャネル的注意機構の統合により,クラス間の微妙な差異を認識するモデル能力が大幅に向上した。 以上の結果から,HRANは腸培養早期の病原体検出に有効であり,今後は様々な環境における拡張性や効率性の向上が期待できる。

関連論文リスト

• Scalable Residual Feature Aggregation Framework with Hybrid Metaheuristic Optimization for Robust Early Pancreatic Neoplasm Detection in Multimodal CT Imaging [0.0]
  このフレームワークは事前処理のパイプラインを統合し、MAGRes-UNetを使ってセグメンテーションを行う。 分類するために、システムは世界に注意を払う能力を統合する新しいハイブリッドモデルに基づいて訓練される。 実験結果は、96.23%の精度、95.58%のF1スコア、94.83%の特異性に到達した。
  論文  参考訳（メタデータ） (2025-12-29T16:51:13Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Attention Pooling Enhances NCA-based Classification of Microscopy Images [45.60974312463409]
  我々は、特徴抽出を強化し、分類精度を向上させるために、ニューラルセルオートマタとアテンションプーリングを統合した。 8種類の顕微鏡画像データセットを用いて本手法の評価を行い,提案手法が既存のNAA法より有意に優れていることを示す。 本結果は,NAAモデルが説明可能な画像分類の代替となる可能性を強調した。
  論文  参考訳（メタデータ） (2025-08-17T10:46:53Z)
• Breast Cancer Histopathology Classification using CBAM-EfficientNetV2 with Transfer Learning [0.0]
  本研究では,EfficientNetV2モデルを用いて特徴抽出を改善し,関連組織領域に焦点を当てた新しいアプローチを提案する。 CBAMを搭載した効率の良いNetV2-XLは、最高精度99.01%、F1スコア98.31%を400倍の精度で達成した。
  論文  参考訳（メタデータ） (2024-10-29T17:56:05Z)
• Enhancing Eye Disease Diagnosis with Deep Learning and Synthetic Data Augmentation [0.0]
  本稿では,糖尿病網膜症の早期発見と管理を目的としたアンサンブル学習手法を提案する。 提案したモデルはAPTOSデータセット上でテストされ、以前のモデルと比較して検証精度(99%)の優位性を示している。
  論文  参考訳（メタデータ） (2024-07-25T04:09:17Z)
• ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to Improve Segmentation Performance [61.04246102067351]
  本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。 実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-02T10:39:29Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• GraphLearner: Graph Node Clustering with Fully Learnable Augmentation [76.63963385662426]
  Contrastive Deep Graph Clustering (CDGC)は、異なるクラスタにノードをグループ化するために、コントラスト学習のパワーを活用する。 我々は、GraphLearnerと呼ばれる、完全学習可能な拡張を備えたグラフノードクラスタリングを提案する。 学習可能な拡張器を導入し、CDGCのための高品質でタスク固有の拡張サンプルを生成する。
  論文  参考訳（メタデータ） (2022-12-07T10:19:39Z)
• An Improved Deep Convolutional Neural Network by Using Hybrid Optimization Algorithms to Detect and Classify Brain Tumor Using Augmented MRI Images [0.9990687944474739]
  本稿では,最適化アルゴリズムを改良することにより,深層畳み込み学習の改善を実現する。 提案手法の性能を2073個のMRI画像で検証する実験を行った。 性能比較では、DCNN-G-HHOは既存の手法よりもはるかに成功しており、特にスコアの精度は97%である。
  論文  参考訳（メタデータ） (2022-06-08T14:29:06Z)

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。