Ako odlíšiť tkanivo zhubného a nezhubného nádoru? Neinvazívne metódy diagnostiky sú pre pacienta prijateľnejšie ako napríklad biopsia. Aj preto je vývoj algoritmických metód, ktoré pomáhajú hodnotiť mieru rizika rakoviny, v súčasnosti tak veľmi dôležitý. Týmto problémom sa zaoberala skupina vedcov, ktorej súčasťou je doc. Mgr. Jozef Kiseľák, PhD. z Ústavu matematických vied PF UPJŠ v Košiciach.
Neurónové výpočty a aktivácie v neurónových sieťach, ako súčasť umelej inteligencie, sú multidisciplinárne témy, ktoré siahajú od neurovedy až po teoretickú štatistickú fyziku. Jedným z najdôležitejších problémov je výber príslušnej aktivačnej funkcie, teda jadra neurónových sietí pre rôzne architektúry. V práci, ktorá sa stala jednou z najviac citovaných vo svojom odbore za rok 2021, kolektív autorov zaviedol novú aktivačnú funkciu ‘‘SPOCU’’ (scaled polynomial constant unit activation function). Jej prínosom je, že v porovnaní s najčastejšie používanými aktiváciami vylepšuje výsledky strojového učenia, tzv. sebanormalizujúcich neurónových sietí. Túto novú aktivačnú funkciu autori aplikovali na rozlíšenie zhubných a nezhubných rakovinových tkanív prsných žliaz a prostaty. Pri použití SPOCU aktivácií sa zvýšila presnosť identifikácie zhubných nádorových tkanív o 5% – 10% v porovnaní v s aktiváciami RELU a SELU.
Uvedená práca získala prestížne ocenenie „Highly Cited Paper“ medzinárodne uznávanej databázy Web of Science, ktorá zhromažďuje informácie o obsahu a vplyve vedeckých výstupov.
Autorom prajeme ešte veľa ďalších úspechov!
Link na Web of Science:
https://www.webofscience.com/wos/woscc/full-record/WOS:000552514000004
Kiseľák, J., Lu, Y., Švihra, J.,Szepe, P., Stehlík, M.,: ‘‘SPOCU’’: scaled polynomial constant unit activation function. Neural Computing and Applications, 33 (2021), 3385–3401.
https://doi.org/10.1007/s00521-020-05182-1
