文献

J-GLOBAL ID：201602268107374995   整理番号：16A0604444

フィルタを採用した入力を用いた細胞分類のためのt SPNの最大マージン学習【Powered by NICT】

Maximum Margin Learning of t-SPNs for Cell Classification With Filtered Input

著者 (3件)： Haeyong Kang (Sch. of Electr. Eng., Korea Adv. Inst. of Sci. & Technol., Daejeon, South Korea) ,  Yoo Chang D. (Sch. of Electr. Eng., Korea Adv. Inst. of Sci. & Technol., Daejeon, South Korea) ,  Yongcheon Na (Interdiscipl. Program for Future Vehicles, Korea Adv. Inst. of Sci. & Technol., Daejeon, South Korea)
資料名： IEEE Journal of Selected Topics in Signal Processing  (IEEE Journal of Selected Topics in Signal Processing)
巻： 10  号： 1  ページ： 130-139  発行年： 2016年 
JST資料番号： W1889A  ISSN： 1932-4553  CODEN： IJSTGY  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： ツリー構造sum-productネットワーク(t-SPN)と呼ばれる深い確率論的アーキテクチャに基づくアルゴリズムは,細胞分類のために考慮した。各ネットワークが最も混乱クラス特徴の部分集合上で構築されたt SPNはいくつかのsum-productネットワークのツリーとして構築された発根した非環式グラフである。構築したt SPN構造は,真のかつ最も競争力のある偽ラベル間の条件付確率の差であると定義されるマージンを最大化することにより学習する。一般化を向上させるために,l₂-正則化(REG)は学習過程における最大マージン(MM)基準とともに考察した。細胞特徴を明らかにするために,本論文では,二つの一般的な高域通過フィルタ:理想的な高域通過フィルタリングとGauss(LOG)フィルタリングのLaplace演算子の有効性を調べた。両HEp-2とFeulgenベンチマークデータセットについて,正則化を用いた最大マージン基準に基づいて学んだt SPN構造は,畳込みニューラルネットワーク(CNN)に基づくアルゴリズムを含む他の最新のアルゴリズムと比較して最も高い正解率を生成した。理想的高域通過フィルタを免疫蛍光染色に基づいたHEp-2データセット上でより効果的であったLOGは,Feulgen染色に基づくFeulgenデータセット上でより効果的であった。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 畳込み ,  ネットワーク ,  高域フィルタ ,  カオス ,  確率論 ,  フィルタリング ,  部分集合 ,  *学習 ,  正則化 ,  Laplace演算子 ,  ツリー構造 ,  *フィルタ
準シソーラス用語： データセット ,  条件付確率 ,  *細胞分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 採用 ,  細胞分類 ,  学習