文献

J-GLOBAL ID：202002247685933712   整理番号：20A1708874

麻酔効果予測のためのリカレントニューラルネットワークの枝刈りを用いた微調整法【JST・京大機械翻訳】

A Fine-Tuning Method Using Pruning of Recurrent Neural Network for Prediction of the Anesthetic Effects

著者 (4件)： Sakuma Yoshitomo (Yokohama National University,Graduate School of Science and Engineering,Yokohama) ,  Kobayashi Takumi (Yokohama National University,Graduate School of Science and Engineering,Yokohama) ,  Sugimoto Chika (Yokohama National University,Graduate School of Science and Engineering,Yokohama) ,  Kohno Ryuji (Yokohama National University,Graduate School of Science and Engineering,Yokohama)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISMICT  ページ： 1-5  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,リカレントニューラルネットワーク(RNN)の剪定と組み合わせた微調整法を提案した。本研究の目的は,RNNによる麻酔の予測制御に用いる予測モデルの実現である。また,RNNは人体に対する線量応答のような非線形および時変系をモデル化するのに有用である。しかしながら,RNNによる予測の精度を改善するために,RNNにおけるニューロン数を考慮することが必要である。ニューロンの数が小さすぎると,モデルの精度は減少した。一方,多くのニューロンは過剰適合をもたらし,計算の複雑さを増加させる。問題を考慮して,冗長ニューロンの剪定を用いた微調整法を提案した。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： 冗長性 ,  ニューロン ,  時変系 ,  *麻酔 ,  計算量 ,  予測制御 ,  予測モデル ,  *リカレントニューラルネットワーク ,  モデル
準シソーラス用語： 微調整 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 麻酔 ,  効果予測 ,  リカレントニューラルネットワーク ,  枝刈り ,  調整法