文献

J-GLOBAL ID：202002222744827769   整理番号：20A0285784

皮膚病変分類のためのニューラルアーキテクチャ探索【JST・京大機械翻訳】

Neural Architecture Search for Skin Lesion Classification

著者 (3件)： Kwasigroch Arkadiusz (Faculty of Electrical and Control Engineering, Gdan ́sk University of Technology, Gdan ́sk, Poland) ,  Grochowski Michal (Faculty of Electrical and Control Engineering, Gdan ́sk University of Technology, Gdan ́sk, Poland) ,  Mikolajczyk Agnieszka (Faculty of Electrical and Control Engineering, Gdan ́sk University of Technology, Gdan ́sk, Poland)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 9061-9071  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 深いニューラルネットワークは多くの領域で大きな成功を達成した。しかし,ニューラルアーキテクチャの適切な手動選択により,このようなシステムの成功した展開が決定される。これは専門知識を必要とする面倒で時間のかかるプロセスである。異なるタスクは満足な結果を得るために非常に異なるアーキテクチャを必要とする。ニューラルアーキテクチャ探索(NAS)と呼ばれる方法のグループは,自動化された方法で効果的なアーキテクチャを見出すのに役立つ。本論文では,悪性メラノーマ検出の医療タスクを解決するためのアーキテクチャ探索フレームワークの利用を提示した。ベンチマークデータセットでテストした多くの他の方法とは異なり,クラス間の識別の困難さ,画像の分解能,クラス内のデータバランス,および利用可能なデータの数の点で大きく異なる実用的問題について試験した。適切なネットワーク構造を見つけるために,探索空間を調査するために,ネットワーク形態操作に沿って丘登り探索戦略を採用した。ネットワーク形態操作は,以前に訓練されたネットワークの使用により,ネットワークサイズの増加を可能にする。この種の知識再利用により,計算コストを大幅に低減できる。提案した手法は,人手で設計された構造によって提供されるものと同様の結果を達成する構造を生成し,同時に,ほとんど20倍のパラメータを使用することができる。さらに,探索プロセスは,単一GPU上で平均18時間だけ継続する。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分解能 ,  黒色腫 ,  ベンチマーク ,  *皮膚障害 ,  *計算機アーキテクチャ ,  自動化 ,  ネットワーク構造 ,  ニューラルネットワーク ,  ネットワーク
準シソーラス用語： 計算コスト ,  探索戦略 ,  探索空間 ,  専門知識 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： 皮膚病変 ,  分類 ,  探索