Numer: 06/2023 Str. 142
Autorzy: Tomasz Rymarczyk , Grzegorz Kłosowski , Konrad Niderla :
Tytuł: Zalety konwolucyjnej sieci neuronowej w porównaniu z perceptronem wielowarstwowym w tomografii elektrycznej
Streszczenie: Niniejszy artykuł dotyczy problematyki optymalizacji architektury sztucznej sieci neuronowej (SSN) w celu podniesienia jakości obrazowania tomograficznego. W trakcie badań testowano wiele wariantów modeli predykcyjnych, różniących się liczbą neuronów, liczbą i rodzajem warstw, algorytmem uczenia, funkcjami transferowymi, metodami zapobiegania przeuczeniu itp. W wyniku porównania rezultatów w postaci uzyskanych obrazów rekonstrukcyjnych z obrazami referencyjnymi wybrano optymalną architekturę sieci neuronowej. Na uwagę zasługuje oryginalne podejście polegające na trenowaniu osobnych ANN dla każdego woksela obrazu z osobna. W rezultacie model składa się z wielu niezależnie trenowanych, jednowyjściowych SSN, które tworzą strukturę określoną jako wielokrotna sieć neuronowa (WSN).
Słowa kluczowe: tomografia elektryczna; uczenie maszynowe; tomografia przemysłowa.