Detail publikace

Evolutionary Optimization of a Focused Ultrasound Propagation Predictor Neural Network

CHLEBÍK Jakub a JAROŠ Jiří. Evolutionary Optimization of a Focused Ultrasound Propagation Predictor Neural Network. GECCO 2023 Companion - Proceedings of the 2023 Genetic and Evolutionary Computation Conference Companion. Lisbon: Association for Computing Machinery, 2023. ISBN 979-8-4007-0120-7.
Název česky
Evoluční optimalizace neuronového prediktoru propagace ultrazvukových vln.
Typ
prezentace,poster
Jazyk
angličtina
Autoři
Klíčová slova

Evoluční optimalizace, Evoluční návrh, Prediktor šíření ultrazvukových vln, Kartézské genetické programování

Abstrakt

Pro nalezení optimálního operačního plánu fokusovaného ultrazvuku je třeba vykonat a opakovat mnoho výpočetně náročných simulací. Nedávná renezance strojového učení by mohla tento problém ulehčit - loni publikovaný článek prezentoval neuronovou síť, schopnou predikovat šíření akustických vln skrze lidskou lebku. Toto řešení prokazuje excelentní výsledky na validační sadě a je schopno zobecnění daleko za hranice trénovacích vzorků, včetně problémů v mnohem větších doménách, s daleko komplexnějšími zdroji a distribucí rychlosti zvuku uvnitř média. Využitá UNet architektura byla ovšem označena autory jako nejistá část návrhu, se potenciálem ke zlepšení. Pro potvrzení či vyvrácení jejich teorie, průzkumu jejich architektury, včetně použitých stavebních bloků a velikostí konvolučních jader, bylo provedeno několik experimentů využívajících Kartézské genetické programování. První experiment, zaměřený na  výsledky statisticky potvrzeny. První experiment, zaměřený na optimalizaci existujícího řešení, nalezl síť, jejíž RMSE je o řád lepší. Experiment zaměřený na prohledávání poté ukázal výkon různých kombinací vrstev a stavebních bloků a potvrdil originální architekturu za velmi vhodnou.

Rok
2023
Strany
635-638
Kniha
GECCO 2023 Companion - Proceedings of the 2023 Genetic and Evolutionary Computation Conference Companion
Konference
Genetic and Evolutionary Computation Conference 2023, Lisbon, PT
ISBN
979-8-4007-0120-7
Vydavatel
Association for Computing Machinery
Místo
Lisbon, PT
DOI
EID Scopus
Nahoru