利用带丢弃机制的分类受限玻尔兹曼机预测乳腺癌复发
机器学习
2013-10-31 v2
摘要
在本文中，我们将分类受限玻尔兹曼机 (ClassRBM) 应用于乳腺癌复发预测问题。根据波兰国家癌症登记处的数据，仅在 2010 年，乳腺癌就占了波兰所有确诊癌症病例的近 25%。我们提出了如何利用 ClassRBM 预测乳腺癌复发并发现疾病复发的相关输入（症状）。接下来，我们概述了一个用于学习带掩码玻尔兹曼机的通用概率框架，我们称之为 Dropping。生成掩码的方式导致了不同的学习方法，即 DropOut 和 DropConnect。我们提出了一种名为 DropPart 的新方法，它是 DropConnect 的推广。在 DropPart 中，使用 Beta 分布代替 DropConnect 中的 Bernoulli 分布。最后，我们利用卢布尔雅那肿瘤研究所提供的包含 949 个病例的真实数据集进行了实验。
引用
@article{arxiv.1308.6324,
title = {Prediction of breast cancer recurrence using Classification Restricted Boltzmann Machine with Dropping},
author = {Jakub M. Tomczak},
journal= {arXiv preprint arXiv:1308.6324},
year = {2013}
}
备注
technical report