文献

J-GLOBAL ID：202202291014586789   整理番号：22A0862928

粒子群最適化器で訓練されたフィードフォワードニューラルネットワークを用いた前立腺癌予測【JST・京大機械翻訳】

Prostate Cancer Prediction Using Feedforward Neural Network Trained with Particle Swarm Optimizer

著者 (4件)： Jui Julakha Jahan (Department of Computer Science and Engineering, Pabna University of Science and Technology, Pabna, Bangladesh) ,  Molla M. M. Imran (Department of Computer Science and Engineering, Khwaja Yunus Ali University, Enayetpur, Bangladesh) ,  Alam Mohammad Khurshed (Faculty of Electrical and Electronics Engineering Technology (FTKEE), University Malaysia Pahang, Pekan, Pahang, Malaysia) ,  Ferdowsi Asma (Sir Salimullah Medical College, Mitford, Dhaka, Bangladesh)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 842  ページ： 395-405  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  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： 前立腺癌は,男性で最も一般的に診断される癌のうちの1つで,米国における死因の1つであった。腫瘤の複雑性のため,放射線科医は前立腺癌を適切に診断できない。近年,多くの前立腺癌検出法が確立されているが,癌を効果的に診断していない。ほとんどの現在の研究は,特にデータから予測モデルを作成するとき,機械学習技術を採用することは注目に値する。標準統計解析と比較して,その可能な利点にもかかわらず,これらの方法は,問題を異なる部分に破壊し,最終段階でそれらの結果を組み合わせる。これは,複雑性と予測精度を一貫して高くしない。本論文では,フィードフォワードニューラルネットワーク(FNN)を粒子群最適化(PSO)を用いて訓練し,FNNPSOフレームワークを前立腺癌の予測に適用した。PSOは,新しいメタヒューリスティックの1つであり,いくつかの複雑な問題を解決するために頻繁に使用される。適応度関数の平均,最良,最悪および標準偏差(Std.)値を用いて実験結果を評価し,Salp Swarmアルゴリズム(SSA)およびSine Cosinアルゴリズム(SCA)を含むFNNに対する他の学習アルゴリズムと比較した。実験所見は,FNNPSOフレームワークがFNNSSAとFNNSCAより良い結果をFNN訓練において提供することを示した。さらに,PSOで訓練されたFNNも,前立腺癌を予測する他の訓練法よりも正確であることが示された。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  標準偏差 ,  予測 ,  *ニューラルネットワーク ,  検出法 ,  *前立腺腫瘍 ,  学習アルゴリズム ,  死因 ,  予測モデル
準シソーラス用語： 腫瘤 ,  *粒子群最適化 ,  適応度関数 ,  予測精度 ,  *フィードフォワードニューラルネットワーク ,  ヒューリスティック ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (5件)： 前立腺癌 ,  フィードフォワードニューラルネットワーク ,  粒子群最適化器 ,  Salpスウォームアルゴリズム ,  シネ余弦アルゴリズム

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 粒子群最適化 ,  訓練 ,  フィードフォワードニューラルネットワーク ,  前立腺癌 ,  予測