Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
„Modele uczenia maszynowego służące optymalizacji wydajności klasyfikatora do wczesnego przewidywania choroby' Podstawowa metodologia inżynieryjna i obliczeniowa wypełnia kluczowe luki w medycznych modelach diagnostycznych poprzez specyficzny, wieloetapowy proces: Dane kliniczne o wysokiej wymiarowości (takie jak złożona dokumentacja pacjentów) często powodują szum obliczeniowy i „przekleństwo wymiarowości'. W badaniach wykorzystano specjalistyczne metody inżynieryjne - łączące techniki takie jak analiza głównych składowych (PCA) oraz dostosowany dobór cech - w celu uproszczenia zbiorów danych do najbardziej istotnych statystycznie czynników ryzyka. Przed przystąpieniem do klasyfikacji platforma integruje techniki uczenia maszynowego bez nadzoru, takie jak zoptymalizowane grupowanie metodą K-średnich, w celu odkrycia ukrytych wzorców i naturalnej segmentacji struktur danych klinicznych. Główny wkład pracy doktorskiej polega na opracowaniu konkretnych modeli inżynieryjnych w celu optymalizacji dokładności, czułości i wydajności działania standardowych klasyfikatorów uczenia maszynowego z nadzorem. Dzięki precyzyjnemu dostrojeniu tych podstawowych klasyfikatorów matematycznych system minimalizuje liczbę wyników fałszywie pozytywnych i fałszywie negatywnych.
