비음수가중치제한과 네트워크 희소성을 고려한 오토인코더와 그래프오토인코더로 얻은 뇌 서브네트워크 비교
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 이필섭 | - |
dc.contributor.author | 최명원 | - |
dc.contributor.author | 김대겸 | - |
dc.contributor.author | 이수지 | - |
dc.contributor.author | 윤현철 | - |
dc.contributor.author | 정현강 | - |
dc.contributor.author | 한철 | - |
dc.date.accessioned | 2021-09-01T23:26:00Z | - |
dc.date.available | 2021-09-01T23:26:00Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2019 | - |
dc.identifier.issn | 2287-5026 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/69397 | - |
dc.description.abstract | 뇌 네트워크는 해부학적으로 정의된 영역을 해당하는 노드(node)와 뇌 영역 쌍들을 연결하는 엣지(edge)로 구성되어 있으며, 인지 기능과도 강한 상관관계가 있다고 알려져 있다. 특정 인지 기능과 관련되어 있는 뇌 영역들은 공간적으로 군집을 형성하고 있으며, 서로 효율적으로 연결되어있다. 이러한 군집된 뇌영역들과 그들의 연결은 서브네트워크(sub-network)를 구성하며, 최근에 개발된 그래프 딥러닝 모델을 통해 원래 뇌 네트워크에서 성공적으로 분해할 수 있었다. 그러나 이렇게 분해된 서브네트워크의 질(quality)을 평가하지는 못하였다. 본 논문은 분해의 질을 평가하기 위해 희소성, 공간적지역성을 사용하는 것을 제안하고, 이들을 통해 전통적인 머신러닝 기술인 오토인코더(auto-encoder)와 새로운 딥러닝 알고리즘인 그래프오토인코더(graph auto-encoder)의 성능을 비교했다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 대한전자공학회 | - |
dc.title | 비음수가중치제한과 네트워크 희소성을 고려한 오토인코더와 그래프오토인코더로 얻은 뇌 서브네트워크 비교 | - |
dc.title.alternative | Comparison Between Brain Sub-Networks Decomposed by Auto Encoder and Graph Auto Encoder with Non-Negative Weight Constraint and Sparse Encoding | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 한철 | - |
dc.identifier.bibliographicCitation | 전자공학회논문지, v.56, no.12, pp.99 - 108 | - |
dc.relation.isPartOf | 전자공학회논문지 | - |
dc.citation.title | 전자공학회논문지 | - |
dc.citation.volume | 56 | - |
dc.citation.number | 12 | - |
dc.citation.startPage | 99 | - |
dc.citation.endPage | 108 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002532609 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | brain networks | - |
dc.subject.keywordAuthor | graph auto-encoder | - |
dc.subject.keywordAuthor | sub-network | - |
dc.subject.keywordAuthor | decomposition quality | - |
dc.subject.keywordAuthor | spatial locality | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.