Adaptive polynomial filters with individual learning rates for computationally efficient lung tumor motion prediction

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F15%3A00236641" target="_blank" >RIV/68407700:21220/15:00236641 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7347077" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7347077</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IWCIM.2015.7347077" target="_blank" >10.1109/IWCIM.2015.7347077</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Adaptive polynomial filters with individual learning rates for computationally efficient lung tumor motion prediction

Popis výsledku v původním jazyce

This paper presents a study of higher-order neural units as polynomial adaptive filters with multiple-learning-rate gradient descent for 3-D lung tumor motion prediction. The method is compared with single-learning rate gradient descent approaches with and without learning rate normalization. Experimental analysis is done with linear and quadratic neural unit. The influence of correct selection of adaptation parameters and the dependence of learning time on accuracy were experimentally analyzed. The prediction accuracy is nearly equal to recently published results of batch retraining approaches while the computational efficiency is higher for the introduced approach.

Název v anglickém jazyce

Adaptive polynomial filters with individual learning rates for computationally efficient lung tumor motion prediction

Popis výsledku anglicky

This paper presents a study of higher-order neural units as polynomial adaptive filters with multiple-learning-rate gradient descent for 3-D lung tumor motion prediction. The method is compared with single-learning rate gradient descent approaches with and without learning rate normalization. Experimental analysis is done with linear and quadratic neural unit. The influence of correct selection of adaptation parameters and the dependence of learning time on accuracy were experimentally analyzed. The prediction accuracy is nearly equal to recently published results of batch retraining approaches while the computational efficiency is higher for the introduced approach.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

INTERNATIONAL WORKSHOP ON COMPUTATIONAL INTELLIGENCE FOR MULTIMEDIA UNDERSTANDING

ISBN

978-1-4673-8457-5

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

—

Název nakladatele

České vysoké učení technické v Praze

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

29. 10. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000380431200017