검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Annealed Hopfield Neural Network with Moment and Entropy Constraints for Magnetic Resonance Image Classification 자기 공명 이미지 분류를 위한 모멘트 및 엔트로피 제약 조건을 갖춘 어닐링된 홉필드 신경망

Jzau-Sheng LIN

  • 조회수

    0

  • 이것을 인용

요약 :

이 문서에서는 자기 공명 영상(MRI) 분류를 위한 모멘트 및 엔트로피 보존 기능을 갖춘 수정된 비용 함수를 사용하는 AHNN(Annealed Hopfield Neural Network)이라는 감독되지 않은 병렬 접근 방식의 적용에 대해 설명합니다. AHNN의 신경망 아키텍처는 원래의 2D Hopfield net과 동일합니다. 그리고 수정된 에너지 기능이 평형 상태로 수렴되도록 하기 위해 새로운 냉각 일정이 포함됩니다. 아이디어는 훈련 벡터와 클러스터 중심 벡터 사이의 유클리드 거리를 최소화하여 최적의 분류 기준을 선택하는 클러스터링 문제를 공식화하는 것입니다. 이 기사에서는 원본 이미지의 픽셀 강도, 이웃과 결합된 첫 번째 순간 및 회색 레벨 엔트로피를 사용하여 뉴런을 3차원 어닐링된 홉필드 네트에 매핑하는 XNUMX성분 훈련 벡터를 구성합니다. . 시뮬레이션된 어닐링 방법은 전역 최소값을 산출할 수 있지만 점근적 반복을 사용하면 시간이 많이 걸립니다. 또한, Hopfield나 모의 어닐링 신경망을 이용하여 최적의 문제를 해결하기 위해서는 페널티 항을 결합하는 가중치를 결정해야 한다. 최종 결과의 품질은 이러한 가중치에 매우 민감하며 이에 대한 실현 가능한 값을 찾기가 어렵습니다. 자기공명영상 분류를 위해 AHNN을 사용하면 에너지 함수에서 가중치를 찾을 필요성이 제거될 수 있으며 수렴 속도는 시뮬레이션 어닐링보다 훨씬 빠릅니다. 실험 결과는 컴퓨터 생성 이미지 분류에 있어 이전 접근 방식보다 AHNN을 사용하여 더 좋고 더 유효한 솔루션을 얻을 수 있음을 보여줍니다. 제안된 방법을 사용하여 MRI 분할의 유망한 솔루션을 얻을 수 있습니다. 또한 테스트 팬텀에서 다양한 냉각 일정에 따른 수렴 속도에 대해 설명합니다.

발행
IEICE TRANSACTIONS on Information Vol.E83-D No.1 pp.100-108
발행일
2000/01/25
공개일
온라인 ISSN
DOI
원고의 종류
PAPER
범주
생물사이버네틱스, 신경컴퓨팅

작성자

키워드