ICMLJul, 2023

正向 - 正向算法作为皮肤病变分类特征提取器的初步研究

PDF
TL;DR本文提出了通过结合前向前向算法和反向传播算法进行生物医学图像分类，进而实现对皮肤病的早期检测和更准确的分类，为临床医生的诊断和治疗提供帮助。
skin cancerearly detectionbiomedical image classificationdeep learningforward-forward algorithm
发现论文，激发创造
  • 高光谱图像分类的前向算法：初步研究

    本研究探讨前向传递算法在高光谱图像分类中的应用，实验结果和比较分析表明该方法具有较大的潜力和优势，相较于传统反向传播算法可更好地克服初值敏感、梯度消失、过拟合和计算复杂度等问题。

    Jul, 2023

  • 自适应前向网络的资源高效医学图像分析

    我们介绍了一种快速的自适应前向网络（SaFF-Net）用于医学图像分析，通过减少能量消耗和资源限制，解决了当前模型训练和微调中主要依赖反向传播的问题。

    Jun, 2024

  • 综合正向算法：将正向传递和浅层反向传播与局部损失相结合

    该研究比较了反向传播算法、前向 - 前向算法和提出的一个整合算法，并在 MNIST 数据库上进行了分类任务的测试，结果表明，使用提出的整合算法可以生成具有强健性等优势特征的神经网络。

    May, 2023

  • 前向 - 前向对比学习

    该研究论文提出了一种基于前向前向对比学习的图像分类预训练方法，通过将前向算法与对比学习结合，可以构建出更加具有鲁棒性的分类模型，实验结果表明该方法可以取得比现有预训练模型更加出色的分类性能。

    May, 2023

  • 使用前向 - 前向算法训练卷积神经网络

    探索了前馈算法在卷积神经网络中的应用，并使用新的标记技术，在 MNIST 手写数字数据集上实现了 99％的分类准确率，并比较了不同超参数对算法性能的影响。

    Dec, 2023

  • 卷积神经网络用于人脸皮肤病变检测

    该研究提出了一种通过卷积神经网络和机器学习方法，在面部图像中侦测瑕疵和皮肤损伤的模型，该方法具有简单的架构、快速和适用于图像处理，并避免了传统方法的复杂性。

    Feb, 2024

  • FaFCNN：基于特征融合神经网络的通用疾病分类框架

    我们提出了基于特征感知融合相关神经网络（FaFCNN）的研究框架，通过引入特征感知交互模块和基于领域对抗学习的特征对齐模块，解决了深度学习 / 机器学习方法在疾病分类任务中训练样本数量不足和质量不佳，以及多源特征融合训练鲁棒分类模型的问题；在实验中，FaFCNN 通过使用预训练梯度提升决策树获取增强特征来获得更好性能，相对于随机森林方法在低质量数据集上得到了持续的最佳性能，并通过大量实验证明了我们提出方法的鲁棒性以及模型各组件的有效性。

    Jul, 2023

  • 卷积神经网络用于皮肤病变诊断

    通过人工智能和图像分类技术，将肿瘤性皮肤病变进行分类识别为恶性或良性，以实现早期有效诊断。

    May, 2023

  • 前向 - 前向算法的卷积式分通道竞争学习

    通过通道竞争学习在卷积神经网络中提出前向传递算法（Forward-Forward Algorithm）的改进方法，构建一个逐层有竞争性的学习过程，避免了负数据的生成、收敛速度较慢以及在复杂任务上性能不足等限制，在图像分类任务中，我们的方法优于基于前向传递算法的最近模型，在 MNIST、Fashion-MNIST、CIFAR-10 和 CIFAR-100 上的测试错误率分别为 0.58%、7.69%、21.89% 和 48.77%。这项研究主张了一种能够以模块化、更高效、更灵活的方式学习有用的表示的方法。

    Dec, 2023

  • 皮肤癌分类的对抗攻击与防御

    该论文研究了针对皮肤镜像中皮肤边缘检测分类的卷积神经网络的敌对攻击技术，以及对抗训练的防御技术对其鲁棒性提升的效果。

    Dec, 2022