데이터 기반 시간 진화 예측을 위한 Koopman 연산자 근사와 신경망 상미분 방정식 간의 관계 연구
상태 공간으로의 사영 단계를 포함하는 EDMD-DL(Extended Dynamic Mode Decomposition with Dictionary Learning)은 비선형 동적 시스템의 시간 진화를 예측하는 데 있어 신경망 ODE(Neural Ordinary Differential Equations)와 근본적으로 동일한 성능을 보이며, 이는 두 방법론 간의 흥미로운 연관성을 시사한다.
透過自我監督降噪增強深度學習驅動的多線圈 MRI 重建
在訓練深度學習模型進行 MRI 重建時，對訓練數據進行預先降噪可以顯著提高重建圖像的品質，尤其是在低信噪比的情況下。
データ駆動型時間発展予測における、コープマン演算子近似とニューラルODEの関係について
非線形力学系の時間発展予測において、状態空間への射影を伴うEDMD-DLは、本質的に特定の構造を持つニューラルODEと同等であり、両手法は同等の予測性能を示す。
자가 지도 노이즈 제거를 통한 딥러닝 기반 다중 코일 MRI 재구성 향상
잡음이 있는 MRI 데이터에서 딥러닝 모델을 학습시키기 전 자가 지도 노이즈 제거를 전처리 단계로 통합하면 다양한 조건에서 재구성된 이미지의 품질과 효율성이 향상됩니다.
自己教師ありノイズ除去を用いた深層学習駆動型マルチコイルMRI再構成の強化
深層学習ベースのMRI再構成において、事前学習として自己教師ありノイズ除去を用いることで、特に低SNR条件下で再構成品質が向上する。
The Impact of Self-Supervised Denoising on Deep Learning-Based Multi-Coil MRI Reconstruction
Self-supervised denoising of training data significantly improves the quality and efficiency of deep learning-based MRI reconstruction, particularly in low SNR scenarios, across both generative and end-to-end models.
잔여 비전 트랜스포머(ResViT) 기반 자기 지도 학습 모델을 활용한 뇌종양 분류
본 논문에서는 뇌 MRI 데이터 세트의 부족 문제를 해결하기 위해 ResViT 기반의 새로운 생성적 자기 지도 학습(SSL) 모델을 제안하고, 이를 통해 뇌종양 분류 성능을 향상시키는 것을 목표로 한다.
一種新的輸入凸神經網路及其在期權定價中的應用
本文介紹了一種新型的神經網路架構，稱為輸入凸神經網路 (CN)，它天生就能產生凸函數，特別適用於逼近期權價格等需要保持凸性的應用。
옵션 가격 책정에 적용된 새로운 입력 볼록 신경망
본 논문에서는 입력에 대해 볼록 함수를 생성하도록 설계된 새로운 유형의 신경망인 입력 볼록 신경망(ICNN)을 소개하고, 이를 옵션 가격 책정에 적용하여 그 효과성을 입증합니다.
入力凸ニューラルネットワークとそのオプション価格設定への応用
本稿では、入力に対して凸関数となるように設計された新しいタイプのニューラルネットワークを紹介し、その優れたオプション価格設定への適用性を示す。
© 2024 by Linnk AI