Record Details

Optimization of neural network training using genetic algorithm for texture segmentation of MRI - images

Наукові журнали Національного Авіаційного Університету

View Archive Info
 
 
Field Value
 
Title Optimization of neural network training using genetic algorithm for texture segmentation of MRI - images
Оптимизация обучения нейронной сети с помощью генетического алгоритма для текстурной сегментации МРТ - снимков
Оптимізація навчання нейронної мережі за допомогою генетичного алгоритму для текстурної сегментації МРТ – знімків
 
Creator Панчук, В. А.; National Technical University of Ukraine "KPI"
Лебедев, Д. Ю.; National Technical University of Ukraine "KPI"
 
Subject
Neural network; perceptron; back propagation algorithm; genetic algorithm
UDC 004.8


УДК 004.8

Нейронна мережа; перцептрон; зворотне поширення помилки; генетичний алгоритм
УДК 004.8
 
Description An analysis of existing methods for image processing. These solutions allow you to create an automated system for diagnosing diseases based on data obtained from images of magnetic resonance imaging. Satisfy the requirements of the system diagnostic neural network based on three - layer perceptron. In the process simulation software package MatLab v R2007b, were investigated speed of network training on the number of neurons in the hidden layer for the conventional method of back propagation and combined with genetic algorithm. The study revealed the advantage of the combined method for image classification task. This method halves the number of training effects and requires fewer neurons in the hidden layer, which facilitates network architecture and reduces the computational cost
Проведен анализ существующих методов для обработки изображений. Данные решения позволяют создать автоматическую систему диагностики заболеваний на основе данных, полученных из снимков магнитно-резонансной томографии. Требованиям системы диагностики удовлетворяют нейронные сети на основе трех - слойного перцептрона. В процессе моделирования в программном пакете MatLab v R2007b, были исследованы скорость обучения сети от количества нейронов в скрытом слое для обычного метода обратного распространения ошибки и в сочетании с генетическим алгоритмом. В результате исследования выяснилось преимущество объединенного метода для задачи классификации изображений. Данный метод вдвое уменьшает количество обучающих воздействий и требует меньшего количества нейронов в скрытом слое, что значительно облегчает архитектуру сети и уменьшает количество вычислительных затрат
Проведено аналіз існуючих методів для обробки зображень. Дані рішення дозволяють створити автоматичну систему діагностики захворювань на основі даних, отриманих із знімків магнітно-резонансної томографії. Вимогам системи діагностики задовольняють нейронні мережі на основі трьох - шарового перцептрону. У процесі моделювання в програмному пакеті MatLab v R2007b, були досліджені швидкість навчання мережі від кількості нейронів у прихованому шарі для звичайного методу зворотного поширення помилки та в поєднанні з генетичним алгоритмом. У результаті дослідження з'ясувалося перевага об’єднаного методу для задачі класифікації зображень. Даний метод вдвічі зменшує кількість навчальних впливів та потребує меншої кількості нейронів в прихованому шарі, що значно полегшує архітектуру мережі і зменшує кількість обчислювальних витрат.
 
Publisher National Aviation University
 
Contributor


 
Date 2013-01-17
 
Type


 
Format application/pdf
application/pdf
application/pdf
 
Identifier http://jrnl.nau.edu.ua/index.php/SBT/article/view/5585
10.18372/2310-5461.19.5585
 
Source Наукоємні технології; Том 19, № 3 (2013); 285-289
Science-based technologies; Том 19, № 3 (2013); 285-289
Наукоемкие технологии; Том 19, № 3 (2013); 285-289
 
Language uk
 

Технічна підтримка: НДІІТТ НАУ