文献

J-GLOBAL ID：201902234813954954   整理番号：19A1981292

改良畳込みニューラルネットワークに基づくLeNet-5乳腺疾患診断法【JST・京大機械翻訳】

Diagnosis of breast disease based on an improved convolution neural network LeNet-5

著者 (4件)： Zhao Jingxia (新疆大学軟件学院 ,新疆烏魯木斉,830008) ,  Qian Yurong (新疆大学軟件学院 ,新疆烏魯木斉,830008) ,  Zhang Meng (新疆大学軟件学院 ,新疆烏魯木斉,830008) ,  Du Jiao (新疆大学軟件学院 ,新疆烏魯木斉,830008)
資料名： Dongbei Shi Daxuebao. Ziran Kexue Ban  (Dongbei Shi Daxuebao. Ziran Kexue Ban)
巻： 51  号： 2  ページ： 65-70  発行年： 2019年 
JST資料番号： C2892A  ISSN： 1000-1832  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： コンピュータ支援乳腺疾患の診断方法の正確性が低く、時間がかかるなどの問題に対して、改良畳込みニューラルネットワーク(CNN)に基づく乳腺疾患の診断方法を提案した。この方法を以下の3つの観点から改良した。(1)二重チャネル畳込みニューラルネットワークを設計して,単一チャネル特徴抽出の不十分な問題を解決した。(2)Dropout技術を用いて、過フィッティング現象を有効に防止する。(3)従来のSoftmax分類装置の代わりにサポートベクトルマシン(SVM)を用いて,演算量を減らし,計算速度を改善した。テスト結果は,提案した分類モデルの平均精度が92.31%であり,平均訓練時間が968秒であり,この方法の有効性を実証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *診断 ,  有効性 ,  分類装置 ,  特徴抽出 ,  計算機処理速度 ,  サポートベクトルマシン ,  CAE【計算機】 ,  チャネル ,  演算
準シソーラス用語： 分類モデル ,  デュアルチャネル ,  正確性 ,  *乳腺疾患 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  乳腺疾患 ,  診断法