Αραιές μπεϋζιάνες μέθοδοι για προβλήματα παλινδρόμησης: εφαρμογή στην ανάλυση εικόνων λειτουργικού μαγνητικού συντονισμού
Φόρτωση...
Ημερομηνία
Συγγραφείς
Τζίκας, Δημήτρης
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Οι Μπεϋζιανές μέθοδοι είναι ιδιαίτερα δημοφιλείς για την επίλυση προβλημάτων μάθησης με επίβλεψη, στα οποία, δοθέντος ενός συνόλου παρατηρήσεων της εξόδου ενός συστήματος για διάφορες τιμές των εισόδων του, ζητείται η πρόβλεψη των τιμών της εξόδου για πιθανές άλλες τιμές των εισόδων. Οι μέθοδοι αυτές μοντελοποιούν το σύστημα ως μια τυχαία διαδικασία, που επηρεάζεται από ένα σύνολο τυχαίων μεταβλητών. Οι προβλέψεις γίνονται με βάση πιθανούς κανόνες, όμως συχνά είναι απαραίτητη η χρήση αρκετών προσεγγίσεων. To Relevance Vector Machine (RVM) [24] είναι ένα τέτοιο Μπεϋζιανό μοντέλο, η έξοδος του οποίου εκφράζεται ως γραμμικός συνδυασμός κάποιων σταθερών συναρτήσεων που ονομάζονται συναρτήσεις βάσης και η τιμή των οποίων εξαρτάται από την είσοδο του συστήματος. Το μοντέλο αυτό είναι αραιό, δηλαδή στο γραμμικό συνδυασμό των συναρτήσεων βάσης περιέχονται μόνο λίγες από αυτές. Η πρόβλεψη της εξόδου για όποιαδήποτε νέα τιμή της εισόδου μπορεί να γίνει αν υπολογιστεί η κατανομή των παραμέτρων του γραμμικού συνδυασμού, που ονομάζονται βάρη. Στα βάρη ανατίθεται κάποια αρχική συνάρτηση κατανομής πιθανότητας, που εκφράζει την επιθυμία για αραιά μοντέλα, και με βάση αυτή υπολογίζεται η κατανομή των βαρών δεδομένων των παρατηρήσεων. Στη συνέχεια το μοντέλο RVM χρησιμοποιείται για την ανάλυση εικόνων λειτουργικού μαγνητικού προσανατολισμού. Οι εικόνες αυτές παρέχουν ένα μέτρο της λειτουργίας των νευρώνων του εγκεφάλου σε κάθε σημείο του και μπορούν να χρησιμοποιηθούν για την αντιστοίχηση μιας περιοχής του εγκεφάλου σε κάποια λειτουργία ή κάποιο ερέθισμα. Συνήθως, στα πειράματα που εκτελούνται συλλέγονται δύο σύνολα εικόνων, στο ένα μόνο από τα οποία υπάρχει το ερέθισμα. Έτσι συγκρίνοντας τα δύο αυτά σύνολα εικόνων μπορεί κανείς να αποφανθεί για την περιοχή στην οποία επηρεάζεται η λειτουργία του εγκεφάλου εξαιτίας του συγκεκριμένου ερεθίσματος. Η περιοχή αυτή ονομάζεται περιοχή ενεργοποίησης.. Υπάρχουν διάφορες μέθοδοι για. την ανάλυση εικόνων λειτουργικού μαγνητικού συντονισμού. Οι πιο διαδεδομένες από αυτές (l-test, covariance thresholding, SVD) αποφασίζουν εάν ένα σημείο της εικόνας είναι ενεργοποιημένο ή όχι βασιζόμενες μόνο σε τιμές του σημείου αυτού. Καλύτερα αποτελέσματα μπορούν να επιτευχθούν αν ληφθεί υπόψιν η δομή του σήματος ενεργοποίησης, συμπεριλαμβάνοντας στην απόφαση και τις τιμές των γειτονικών σημείων της εικόνας. Αυτό επιτυγχάνεται υποθέτοντας ότι το σήμα ενεργοποίησης έχει κάποια συγκεκριμένη δομή. Μια τέτοια μέθοδος ακολουθείται στο [13], η οποία όμως βασίζεται στον αλγόριθμο Reversible Jump Markov Chain Monte Carlo και έχει σημαντικό υπολογιστικό κόστος. Στην εργασία αυτή προτείνεται η χρήση του RVM για την μοντελοποίηση του σήματος ενεργοποίησης, και δημιουργούνται τεχνητά δεδομένα για την αξιολόγηση της μεθόδου.
Περιγραφή
Λέξεις-κλειδιά
-
Θεματική κατηγορία
Πληροφορική
Παραπομπή
Σύνδεσμος
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Όνομα επιβλέποντος
-
Εξεταστική επιτροπή
-
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Βιβλιογραφία: σ. 62
Ονόματα συντελεστών
Αριθμός σελίδων
62 σ.