Core Concepts
사분수 순환 신경망은 실시간 순환 학습 알고리즘과 최대 상관 엔트로피 기준을 활용하여 3D 및 4D 데이터의 이상치에 강건한 실시간 처리를 수행한다.
Abstract
이 연구에서는 사분수 순환 신경망(QRNN)을 개발하여 실시간 순환 학습(RTRL) 알고리즘과 최대 상관 엔트로피 기준(MCC)을 결합하였다. 이를 통해 3D 및 4D 데이터의 이상치에 강건한 실시간 처리가 가능하다.
주요 내용은 다음과 같다:
사분수 대수를 신경망 구조에 통합하여 데이터의 다차원적 특성을 효과적으로 활용할 수 있다.
RTRL 알고리즘을 사용하여 비선형 동적 패턴을 실시간으로 추적하고 적응할 수 있다.
MCC 손실 함수를 사용하여 이상치에 덜 민감한 강건한 학습이 가능하다.
일반화된 HR 미분 계산법을 활용하여 사분수 학습 알고리즘의 유도를 간단하고 효율적으로 수행할 수 있다.
폐암 방사선 치료를 위한 흉부 내부 마커 움직임 예측 시뮬레이션에서 제안된 QRNN-RTRL-MCC 모델이 우수한 성능을 보였다.
Stats
정상 호흡 시퀀스에서 QRNN RTRL w/ MCC의 RMSE는 1.245 ± 0.004 mm이다.
불규칙 호흡 시퀀스에서 QRNN RTRL w/ MCC의 RMSE는 1.683 ± 0.005 mm이다.
전체 시퀀스에서 QRNN RTRL w/ MCC의 nRMSE는 0.3148 ± 0.0007이다.
Quotes
"사분수 순환 신경망은 실시간 순환 학습 알고리즘과 최대 상관 엔트로피 기준을 활용하여 3D 및 4D 데이터의 이상치에 강건한 실시간 처리를 수행한다."
"일반화된 HR 미분 계산법을 활용하여 사분수 학습 알고리즘의 유도를 간단하고 효율적으로 수행할 수 있다."