文献

J-GLOBAL ID：201902231167164454   整理番号：19A1665777

LSTM訓練のためのメタヒューリスティクス最適化器による子宮頚癌の予測【JST・京大機械翻訳】

Predicting Cervical Cancer with Metaheuristic Optimizers for Training LSTM

著者 (1件)： Quintiliano Bezerra Silva Andre (Instituto Federal de Mato Grosso do Sul, Jardim, Brazil)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11540  ページ： 642-655  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 疾患予測は,特に癌と診断されるとき,人々を節約するのに非常に役に立つことができる。子宮癌として知られている子宮頸癌は,女性における4番目の頻度の高い癌であり,2018年には,すべての女性の癌の6.6%を占めている2018人の新しい症例が推定されている。世界保健機関(WHO)に従って,子宮頚癌の死亡率は未発達国で90%に達し,予防,有効なスクリーニング,治療プログラム,早期診断があれば,それに見られる高死亡率は実質的な減少を被る可能性がある。人工神経回路網(ANN)は,数十年の間,健康管理における予測を提供する助けとなっている。ほとんどの研究作業は,逆伝搬(BP)学習アルゴリズムで訓練されたニューラル分類器を利用して,癌診断を達成する。従来のBPアルゴリズムは,訓練のようないくつかの有意な欠点を有し,局所最小値に陥りやすく,初期の重みとバイアスの感度を持つ。本研究では,主な特性が一連の時間データにおける情報を保存する能力を持つLong Short-Tem Memory(LSTM)として知られている一種の再帰ニューラルネットワーク(RNN)を用いた。バックプロパゲーションによりネットワークを訓練する代わりに,LSTMネットワークを5つの異なるメタ発見的アルゴリズムを用いて訓練した。すなわち,cuckoo探索(CS),遺伝的アルゴリズム(GA),Gravitation Search(GS),Gray Wolf最適化(GWO)および粒子群最適化(PSO)である。得られた結果から,メタ発見的アルゴリズムは96%以上の性能を有することが観察できた。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 死亡率 ,  ネットワーク ,  早期診断 ,  女性 ,  遺伝的アルゴリズム ,  バイアス ,  *子宮頚部腫瘍 ,  学習アルゴリズム ,  *最適化 ,  *予測 ,  逆伝搬法 ,  健康管理 ,  治療計画 ,  アルゴリズム
準シソーラス用語： *メタヒューリスティクス , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  子宮頚癌 ,  メタヒューリスティックアルゴリズム ,  長期短期記憶(LSTM)

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： LSTM ,  訓練 ,  メタヒューリスティクス ,  最適化 ,  子宮頚癌 ,  予測