サーチライト分類解析のための高速Gauss Naive Bayes【Powered by NICT】

Ontivero-Ortega Marlis; Lage-Castellanos Agustin; Lage-Castellanos Agustin; Valente Giancarlo; Goebel Rainer; Valdes-Sosa Mitchell

文献

J-GLOBAL ID：201802223638618725 整理番号：18A0022771

サーチライト分類解析のための高速Gauss Naive Bayes【Powered by NICT】

Fast Gaussian Naieve Bayes for searchlight classification analysis

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0022771&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0022771&from=J-GLOBAL&jstjournalNo=W3139A") }}

著者 (6件)： , , , , ,
資料名：
巻： 163 ページ： 471-479 発行年： 2017年
JST資料番号： W3139A ISSN： 1053-8119 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

サーチライト技術は小領域の大規模集合を横断する神経活動を調査し,徹底的に全脳をカバーする多変量パターン解析(MVPA)の変異体である。これは,通常,全てのサーチライトを横切る分類器アルゴリズムの適用,置換法と精度の統計的重要性を試験する場合,大きな計算コストを必要とするが含まれている。本論文では,Gauss Naive Bayes分類器の新しい実行を提出した(以下大量GNB)。このアプローチは,全てのサーチライトにおける分類を同時に,以前に公表されたサーチライトGNB実装,サポートベクトルマシン(SVM)を含む他のより複雑な分類器よりも高速である。GNBの速度の増加はサーチライト解析に有用であることを確実にするために,fMRIローカライザ実験(26名)における外側後頭複合体(LOC)の検出における大量GNBとSVMの精度を比較した。さらに,多くの活性化研究のメタ分析において定義されたこの領域は,両方の分類子のための誤り率を比較するために標準として使用した。個々のサーチライトでは,SVMはメタ分析的LOCの検出における大量GNBよりも幾分より正確でより選択的であった。しかし,クラスタレベルで多重比較補正を用いた二つの分類器は同等に行った。クラスタレベル解析のための,大量GNBはより洗練された分類器と類似していたが速度の実質的な利得をもつ精度を生成した。大量GNB(公共Matlabツールボックスとして利用できる)は,サーチライト解析のより広範な利用を促進することができた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

人工知能 , パターン認識 , ニューロコンピュータ

前のページに戻る