Comparison of Multilayer Perceptron and Convolutional Neural Networks in 3D Process Electrical Tomography
Fragment książki (Materiały konferencyjne)
| Status: | |
| Autorzy: | Rymarczyk Tomasz, Kłosowski Grzegorz, Niderla Konrad |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 17 - 22 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | 8th International Symposium on Applied Electromagnetics |
| Skrócona nazwa konferencji: | 8th SAEM' 2022 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 26 czerwca 2022 do 29 czerwca 2022 |
| Miasto konferencji: | Struga |
| Państwo konferencji: | MACEDONIA |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte repozytorium |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Abstrakty: | angielski |
| The aim of this article is to optimize the structure of the artificial neural network (ANN) in order to obtain the best imaging results. During the research, many variants of prediction models were trained, differing in the number of neurons, the number of hidden layers, the learning algorithm, transfer functions, overfitting prevention method, etc. As a result of comparing the results of the obtained reconstructive images with the reference images, the optimal network structure was selected. Noteworthy is the original approach, which consists in training separate ANNs for each voxel of an image separately. As a result, the model consists of many separately trained, single-output ANNs, creating a complex system of models that constitute multiple neural network (MNN). |
