メモリネットワークを用いた置換不変表現の学習【JST・京大機械翻訳】

Kalra Shivam; Adnan Mohammed; Taylor Graham; Tizhoosh Hamid

プレプリント

J-GLOBAL ID：202202216624177603 整理番号：22P0087878

メモリネットワークを用いた置換不変表現の学習【JST・京大機械翻訳】

Learning Permutation Invariant Representations using Memory Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2019年11月18日プレプリントサーバーでの情報更新日： 2020年07月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ディジタル組織病理学画像と3D物体検出の分類のような多くの実世界タスクは,一連のインスタンスからの学習を含む。これらの事例では,インスタンスまたは集合のグループだけは,意味のある情報を含み,従って,セットのみがラベルを持ち,個々のデータインスタンスではない。本研究では,学習集合関数のためのメモリベース交換可能モデル(MEM)と呼ばれる置換不変ニューラルネットワークを提示した。MEMモデルは,入力シーケンスを高レベル特徴に埋め込むメモリユニットから成り,自己注意機構を通してインスタンス間の相互依存性を学習できる。肺癌-Lung Adenocarcinomaの2つのサブタイプ,および肺Squamous Cell Carcinomaの2つのサブタイプへの肺全スライド画像(WSIs)の分類,点雲分類,および種々のトイデータセットに対するMEMの学習能力を評価した。肺癌の2つのサブタイプの分類に対して84.84%の競合精度を達成する,Cancer Genome Atlas(TCGA)データセットからダウンロードした肺WSIからのパッチを系統的に抽出した。他のデータセットの結果は有望であり,著者らのモデルの有効性を実証した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

, , ,

前のページに戻る