Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: majority voting

Sortuj według:

Ogranicz wyniki do:

Residual Neural Networks in Single Instance-Driven Identification of Fungal Pathogens

Wyszyński Rafał, Struniawski Karol

Machine Graphics and Vision

2023

Vol. 32, No. 3/4

45--64

The rise in fungal infections, attributed to various factors including medical interventions and compromised immune systems, necessitates rapid and accurate identification methods. While traditional mycological diagnostics are time-consuming, machine learning offers a promising alternative. Nevertheless, the scarcity of well-curated datasets is a significant obstacle. To address this, a novel approach for identifying fungi in microscopic images using Residual Neural Networks and a subimage retrieval mechanism is proposed, with the final step involving the implementation of majority voting. The new method, applied to the Digital Images of Fungus Species database, surpassed the original patch-based classification using Convolutional Neural Networks, obtaining an overall classification accuracy of 94.7% compared to 82.4% with AlexNet FV SVM. The observed MCC metric exceeds 0.9, while AUC is near to one. This improvement is attributed to the optimization of hyperparameters and top layer architecture, as well as the effectiveness of the Mish activation function in ResNet-based architectures. Noteworthy, the proposed method achieved 100% accurate classification for images from 8 out of 9 classes after majority voting and is high resistant to overfitting, highlighting its potential for rapid and accurate fungal species identification in medical diagnostics and research.

Prawdopodobieństwo błędu klasyfikatorów złożonych dla problemów wieloklasowych

Huk M., Szczepanik M.

Eksploatacja i Niezawodność

2011

nr 3

12-16

In this paper we consider majority voting of multiple classifiers systems in the case of two-valued decision support for many-class problem. Using an explicit representation of the classification error probability for ensemble binomial voting and two class problem, we obtain general equation for classification error probability for the case under consideration. Thus we are extending theoretical analysis of the given subject initially performed for the two class problem by Hassen and Salamon and still used by Kuncheva and other researchers. This allows us to observe important dependence of maximal posterior error probability of base classifier allowable for building multiple classifiers from the number of considered classes. This indicates the possibility of improving the performance of multiple classifiers for multiclass problems, which may have important implications for their future applications in many fields of science and industry, including the problems of machines diagnostic and systems reliability testing.

W niniejszym artykule rozważamy systemy złożonych klasyfikatorów z głosowaniem większościowym dla przypadku problemów wieloklasowych, wykorzystujące wielowartościowe klasyfikatory bazowe. Stosując bezpośrednią reprezentację prawdopodobieństwa błędnej klasyfikacji dla analogicznych systemów w problemach dwuklasowych, otrzymujemy ogólny wzór na prawdopodobieństwo błędu klasyfikacji w przypadku wieloklasowym. Tym samym rozszerzamy teoretyczne analizy tego zagadnienia pierwotnie przeprowadzone dla problemów dwuklasowych przez Hansena i Salomona i ciagle wykorzystywane przez Kunchevę i innych badaczy. Pozwala nam to zaobserwować istotną zależność maksymalnego dopuszczalnego poziomu prawdopodobieństwa błędów klasyfikatorów bazowych od liczby rozważanych przez nie klas. Wskazuje to na możliwość poprawy parametrów klasyfikatorów złożonych dla problemów wieloklasowych, co może mieć niebagatelne znaczenie dla dalszych ich zastosowań w licznych dziedzinach nauki i przemysłu, z uwzględnieniem zagadnień diagnostyki maszyn oraz badania niezawodności systemów.