权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

サケ鱗相画像解析による自動年齢計測へのニューロ・コンピューティングの応用

神经计算在鲑鱼鳞片相位图像分析自动年龄测量中的应用

基本信息

批准号：
07856020
负责人：
林崎健一
金额：
$ 0.58万
依托单位：
Kitasato University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1995
资助国家：
日本
起止时间：
1995 至无数据
项目状态：
已结题

项目摘要

サケの鱗相画像解析による年齢査定の自動化を目的として、入力から解析までのシステムの構築とその評価を行った。また、本研究手法の応用としてニューロ・コンピューティングを用いた鱗相による系群判別の検討を行った。鱗相によるサケの鱗相の画像入力システムを35mmフィルムスキャナを用いて構築した。また、ニューラルネットシミユレータを486DX4に移植し、実行スピードの向上を図った。しかし、システムがかなり大きいため、実用的な判別のためにはさらに高速な演算速度を必要とする。鱗相による系群判別に関しては、北太平洋を囲む4つの地域に遡上したサケ親魚から得られたデータを用いて、4地域の判別が可能であるか検討を行った。鱗の計測データのうち、系群判別に有効であるといわれている5形質を入力データとした。データセットを任意に2つに分け、一方を学習用として用い(1111個体)、他方を学習後のシステムによる判別(1110個体)に用いた。ニューラルネットは中間層一段の3層構造とし、出力層は4地域に対応して4つのニューロンを持つ。入力データをランダムに提示して、3000回の逆誤差伝搬学習を行った。出力の最大であったニューロンに対応する地域をシステムの解答とすると、学習済みデータに関しては78.8%、未学習のデータに対しては76.5%の正解率であった。この値は、線形判別関数法に比べて高いとは言えない。しかし、判別結果を詳細に検討したところ、判別が困難である2地域が存在し、そのような場合にはそれら2地域に対応した出力ニューロンのどちらにも高い出力が得られていることが明らかとなった。このような特性は、他の判別手法と組み合わせることにより、さらに精度の高い判別が可能であることを示唆するものと考えられる。

The purpose of automatic identification and evaluation of the system is to analyze the scale image of the system. This study is based on the analysis of the relationship between the two groups. The scale of the scale phase into the force of the 35mm round structure 486DX4, migration, implementation and upward movement The speed of calculation is necessary for the determination of the number of items in use. 4. The North Pacific Ocean is the most important place to be in the world. It is the most important place to be in the world. The scale of the measurement is not the same as that of the classification of the system. 2 points for each of the two groups, 1111 for each group, 1110 for each group. A three-layer structure of the middle layer and a four-layer structure of the output layer are maintained. The input error detection method is used to detect 3000-loop inverse error detection. The correct rate of the maximum output and the maximum output is 78.8% and 76.5% respectively. The method of linear discrimination is more accurate than the method of linear discrimination. The result of the discrimination is discussed in detail, and the discrimination is difficult. In the case of the existence of the 2 regions, the output of the 2 regions is high. The method of distinguishing between the characteristics and others is composed of the following methods: