facebook | Jabber | telegram

Подробнее про наш Jabber чат можно прочитать в данной теме

Машинное обучение, которое работает как мечта

Обсуждение статей по психологии как жёлтой, так и серьёзной прессы

Модераторы: Илич Мария, Илья


Аватара пользователя
Илья
Донатор
Донатор
Сообщения: 271
Зарегистрирован: 07 июн 2018, 09:39
Откуда: Москва
Благодарил (а): 27 раз
Поблагодарили: 5 раз

Машинное обучение, которое работает как мечта

Непрочитанное сообщение Илья » 04 дек 2019, 20:24

Исследователи из Университета Цукубы создали новую программу искусственного интеллекта для автоматической классификации стадий сна мышей, которая сочетает в себе два популярных метода машинного обучения. Получивший название "MC-SleepNet", алгоритм достиг показателей точности, превышающих 96% , и высокой устойчивости к помехам в биологических сигналах. Использование этой системы для автоматического аннотирования данных может значительно помочь исследователям сна при анализе результатов их экспериментов.

Ученые, которые изучают сон, часто используют мышей в качестве моделей животных, чтобы лучше понять, как изменяется активность мозга во время различных фаз. Эти фазы можно классифицировать как бодрствующий, БДГ (быстрое движение глаз) сон и не-БДГ сон. Ранее исследователи, которые следили за мозговыми волнами спящих мышей, получили горы данных, которые требовалось тщательно маркировать вручную, часто командами студентов. Это представляло собой серьезное узкое место в исследовании.

Теперь исследователи из Университета Цукубы ввели программу для автоматической классификации стадии сна, которую испытывала мышь, основываясь на ее электроэнцефалограмме (ЭЭГ) и электромиограмме (ЭМГ) сигналов, которые регистрируют электрическую активность в мозге и теле соответственно. Они объединили два метода машинного обучения, сверточные нейронные сети (CNN) и рекуррентные нейронные сети с длительной кратковременной памятью (LSTM), чтобы достичь точности, превосходящей точность лучших существующих автоматических методов.

"Машинное обучение-это захватывающая новая область исследований с важными приложениями, которые сочетают медицину с информатикой. Это позволяет нам автоматически классифицировать новые данные на основе помеченных примеров", - объясняет автор-корреспондент Kazumasa Horie. Это особенно ценно, когда паттерны, которые нужно искать, не очень хорошо известны, как в случае со стадиями сна. Таким образом, алгоритм может "научиться" принимать сложные решения, не будучи явно запрограммированным. В этом проекте точность была очень высокой из-за большого набора данных, используемого. С более чем 4200 биологическими сигналами, это был самый большой набор данных любого исследования сна до сих пор. Кроме того, при реализации CNN алгоритм показал высокую устойчивость к индивидуальным различиям и шуму.

Главным достижением в этой работе было разделение задачи между двумя методами машинного обучения. Сначала CNN был использован для извлечения интересных особенностей из записей электрической активности в мозге и теле. Эти данные затем передавались в LSTM, чтобы определить, какие функции были наиболее характерны для фазы сна, которую испытывала мышь. "Мы надеемся, что сможем перевести эту работу в классификацию стадий сна у людей", - говорит старший автор Хироюки Китагава. Тем временем, эта программа уже может ускорить работу исследователей в области сна, что может привести к гораздо более четкому пониманию того, как работает сон.

Donat
Ответить
  • Похожие темы
    Ответы
    Просмотры
    Последнее сообщение