文献

J-GLOBAL ID：201702263944849178   整理番号：17A1257630

MiPAL:fMRIからの注意欠陥多動性障害の同定のための複数実例受動攻撃的学習【Powered by NICT】

MiPAL: Multiple-instance passive aggressive learning for identification of attention deficit hyperactive disorder from fMRI

著者 (3件)： Kumarasinghe Prabhash (Sch. of Computer Sc. & Engineering, Nanyang Technological University, Singapore) ,  Suresh Sundaram (Sch. of Computer Sc. & Engineering, Nanyang Technological University, Singapore) ,  Subbaraju Vigneshwaran (Sch. of Computer Sc. & Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 4541-4548  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,複数のインスタンス学習問題(MIL)のための新しいアルゴリズムを提案し,安静時機能的磁気共鳴イメージングデータからの注意欠陥多動性障害(ADHD)を検出するためのその適用を検討した。多くのカーネルベースMILアルゴリズムのコア成分は通常SVM状バッチ最適化フレームワーク,fMRIのような大規模データセットへのスケーリングはしばしば困難である。一方,「パーセプトロン」カーネル分類器として広く知られているオンラインカーネル分類アルゴリズムのファミリーは,効率的で正確な解を示した。MiPAL マルチプルインスタンス受動型積極的学習アルゴリズム,そのようなパーセプトロン型カーネル分類器に基づいて提示した。最初に,MiPALは負のバッグを入力PAアルゴリズムへのラベル貼り機を構築した。第二に,最小の負例が陽性と見なされるこのラベル貼り機は二成分クラスラベルを予測するために別々のPA分類器を訓練するのに役立つオンラインPAアルゴリズムの高速適応のために,無効正サポートベクトルの影響を新しい,正確なサポート集合時間により減弱することができた。著者らの実験結果は,Muskl,Foxにおける最先端技術の性能を含むいくつかのMILデータセットにおける性能利得,および前処理されたADHD-200のデータセットにおける同程度の精度を明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最適化 ,  前処理 ,  アルゴリズム ,  高速度 ,  学習アルゴリズム ,  安静 ,  パーセプトロン ,  ロット ,  利得 ,  *学習
準シソーラス用語： 最先端技術 ,  オンライン ,  分類アルゴリズム ,  大規模データセット ,  *機能的MRI , 【Automatic Indexing@JST】

分類 (1件)： 精神障害  (GR03000A)

タイトルに関連する用語 (5件)： fMRI ,  注意欠陥多動性障害 ,  同定 ,  攻撃 ,  学習