Książki
Papiernia
Zabawki
Gry
Puzzle
Multimedia
Komiksy
Różności
Skarpetki
LEGO
Promocje

Metody przetwarzania danych wielomodalnych...

Opakowanie Metody przetwarzania danych wielomodalnych...

Szczegóły:

Wydawca: Exit
ISBN: 9788378371663
EAN: 9788378371663
(0) Sprawdź recenzje
Cena:
33,35 zł
Cena detaliczna: 
47,25 zł
29% rabatu
WYSYŁKA: 48h
Dodaj do koszyka
Dodaj do schowka
Najniższa cena z ostatnich 30 dni: 33,35

Spis treści:

Wstęp

1. Multimodalna architektura głębokiego uczenia z bayesowską korektą aktywacji do detekcji endometriozy na podstawie danych obrazowych, tekstowych i klinicznych

1.1 Wprowadzenie

1.2. Analiza badań nad metodami uczenia maszynowego w zadaniu rozpoznawania endometriozy

1.3. Autorski model rozpoznawania endometriozy bazujący na danych multimodalnych

1.4. Ewaluacja eksperymentalna

1.5. Wnioski końcowe

2. Multimodalna analiza sygnałów biomedycznych w kontekście wczesnego wykrywania zawału serca

2.1. Wprowadzenie

2.2. Prace pokrewne związane z rozpoznawaniem sygnałów EKG i EEG

2.3. Autorski model

2.4. Ewaluacja eksperymentalna

2.5. Wnioski końcowe

3. Hybrydowe modele głębokiego uczenia w diagnostyce niewydolności żylnej

3.1. Wprowadzenie

3.2. Multimodalne podejście w diagnostyce układu żylnego - przegląd badań

3.3. Autorski model

3.4. Eksperymentalna weryfikacja modelu hybrydowego

3.5. Wnioski końcowe

4. Multimodalny system wspomagania decyzji klinicznych w diagnostyce nowotworów mózgu z wykorzystaniem mechanizmów wyjaśnialnej sztucznej inteligencji

4.1. Wprowadzenie

4.2. Paradygmat Trustworthy AI w neuroonkologii - przegląd dotychczasowych rozwiązań

4.3. Autorski model wykrywania zmian nowotworowych mózgu na podstawie danych multimodalnych

4.4. Ewaluacja eksperymentalna dla danych multimodalnych rozpoznawania i klasyfikacji nowotworów mózgu

4.5. Wnioski końcowe

5. Integracja danych multimodalnych w systemach wspomagania diagnostyki okulistycznej

5.1 .Wprowadzenie

5.2. Stan badań nad multimodalną fuzją danych w diagnostyce okulistycznej

5.3. Autorski model BDMF-Net jako podejście probabilistyczne do integracji danych multimodalnych

5.4. Ewaluacja eksperymentalna autorskiego modelu Byesian Deep Multimodal Fussion Network

5.5. Wnioski końcowe

6. Multimodadlna integracja wiedzy i niepewności w diagnostyce medycznej nowotworów skóry z wykoryzstaniem teorii Dempstera-Shafera

6.1. Wprowadzenie

6.2. Stan wiedzy i przegląd badań w obszarze multimodalnej diagnostyki medycznej zmian skórnych

6.3. Autorski model

6.4. Ewaluacja eksperymentalna

6.5. Wnioski końcowe

Zakończenie

Bibliografia

Uwaga!!!
Ten produkt jest zapowiedzią. Realizacja Twojego zamówienia ulegnie przez to wydłużeniu do czasu premiery tej pozycji. Czy chcesz dodać ten produkt do koszyka?
Tak
Nie
Oczekiwanie na odpowiedź
Dodano produkt do koszyka
Kontynuuj zakupy
Przejdź do koszyka
Oczekiwanie na odpowiedź
Oczekiwanie na odpowiedź
Wybierz wariant produktu
Dodaj do koszyka
Anuluj
Oczekiwanie na odpowiedź