自己組織化マップ(SOM)による特徴抽出の放射線生体影響評価への応用

Applications of feature extraction for radiation effects evaluation using self-organizing maps

機械学習の一種である自己組織化マップ(SOM)のアルゴリズムを説明し、機械学習の放射線影響評価への適用可能性と将来展望を述べる。SOMは機械学習に基づくクラスタリング手法であり、多次元データの持つ複雑な関係性を可視的に理解することを可能にする。本発表では、動物実験から得られたデータを解析した例、文献から低線量の放射線影響に関するデータを収集して解析した例などを紹介する。

no abstracts in English

使用言語	:	Japanese
掲載資料名	:
巻	:
号	:
ページ数	:
発行年月	:
発表会議名	:	保物セミナー2019
開催年月	:	2019/11
開催都市	:	大阪
開催国	:	日本
キーワード	:	機械学習; 自己組織化マップ; 放射線影響評価

特許データ	:
PDF	:

論文URL	:
研究データの公開先DOI	:
使用施設	:
広報プレスリリース	:
論文解説記事 (成果普及情報誌)	:
受委託・共同研究相手機関	:

Access	:	- Accesses
Web of Science® Times Cited Count	:	被引用回数：評価・統計等のため最新の被引用回数を確認したい場合は、直接Web of Science®をご確認ください。 http://www.webofknowledge.com/wos
InCites™	:
Altmetrics	:

登録番号 : BB20191578
抄録集掲載番号 :
論文投稿番号 :

[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.