ニューラルネットワーク選点法トモグラフィにおけるDropout学習法の効果

カテゴリ: 部門大会

論文No: TC15-8

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Effect of Dropout training in Neural Network Collocation Tomography

著者名: 寺西 大（広島工業大学）

著者名(英語): Masaru Teranishi (Hiroshima Institute of Technology)

キーワード: ニューラルネットワーク|トモグラフィ|深層学習|Dropout|Neural Networks|Tomographic imaging|Deep Learning|Dropout

要約(日本語): 多数方向の線積分で得られる投影データから積分逆問題を解いて物理量の空間分布を再構成する計算機トモグラフィ(CT)をプラズマ計測などに応用する場合，投影方向が装置の構造により著しく制限され，像に対して投影データが少なくなる少数投影不良設定逆問題となる．ニューラルネットワーク選点法（NNCM）は、ニューラルネットワークの関数近似を利用して像の不足情報をモデル当てはめで補う、不良設定逆問題に適した像再構成法である．
NNCMは誤差逆伝搬学習にて像再構成するが，一般に膨大な反復回数が必要となる．この問題に対して、深層学習で利用され，過学習抑制の有効性が示されているDropout学習法を導入した場合の像再構成性能に及ぼす効果を数値シミュレーションにて検証する．