文献

J-GLOBAL ID：201902219031902542   整理番号：19A1341587

ナノスケールコネクトミクスにおけるビッグデータと訓練ラベルのためのgre【JST・京大機械翻訳】

Big data in nanoscale connectomics, and the greed for training labels

著者 (4件)： Motta Alessandro (Department of Connectomics, Max-Planck-Institute for Brain Research, D-60438 Frankfurt, Germany) ,  Schurr Meike (Department of Connectomics, Max-Planck-Institute for Brain Research, D-60438 Frankfurt, Germany) ,  Staffler Benedikt (Department of Connectomics, Max-Planck-Institute for Brain Research, D-60438 Frankfurt, Germany) ,  Helmstaedter Moritz (Department of Connectomics, Max-Planck-Institute for Brain Research, D-60438 Frankfurt, Germany)
資料名： Current Opinion in Neurobiology  (Current Opinion in Neurobiology)
巻： 55  ページ： 180-187  発行年： 2019年 
JST資料番号： A1160A  ISSN： 0959-4388  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 神経科学は,獲得されたバイトの観点から,ほとんどの他の生物医学的分野を凌駕する方法を開発した。このようなデータの情報内容と解析課題は,電子顕微鏡(EM)に基づく連結性が特に困難な問題であることを示す。ここでは,多くの他の現在の機械学習応用において,アルゴリズム訓練のための利用可能な生画像データのわずかな割合のみを利用しながら,過剰量のラベル付きデータの必要性が,人工的および生物学的知能の間のまだ基本的なギャップを示している。機械学習におけるラベルとエネルギー効率の実質的な改善は,人間の脳のナノスケール接続を得ることの困難な挑戦に取り組むために必要である。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  神経科学 ,  エネルギー効率 ,  連結性 ,  アルゴリズム ,  電子顕微鏡
準シソーラス用語： 画像データ ,  生物医学 ,  *ビッグデータ ,  *ナノスケール , 【Automatic Indexing@JST】

分類 (2件)： 中枢神経系  (EJ12030F) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (3件)： ビッグデータ ,  訓練 ,  ラベル