Fr. 52.50

Machine Learning Approaches for Disease State Classification

Inglese · Tascabile

Spedizione di solito entro 2 a 3 settimane (il titolo viene stampato sull'ordine)

Descrizione

Ulteriori informazioni

Who is not fascinated by various images which show the brain functionality patterns? Aren't you amazed and somewhat dumbfounded when our brains can be read through an MRI machine? As the backbone of data mining, artificial intelligence has gradually received more recognition in academic world. Although specifically analyzing neuro-imaging data utilizing Artificial Neural Networks and Support Vector Machines, Peng's research has generally demonstrated the ability to achieve higher classification accuracy does not necessitate longer training time. With more intelligent algorithms and more efficient architectures, pattern recognition and classification can be performed more quickly and more accurately and will greatly benefit brain analysts.

Info autore










Dr Peng Wang, maschio, gestione dell'ingegneria, un assistente professore di analisti di business di grandi dati, analista di opinione pubblica di rete, bachelor, master tutti laureati dall'università del popolo cinese, Dr. Laureato dalla scuola centrale del partito, e l'università di Losanna, Svizzera, Dr. Formazione congiunta, università nazionale chung cheng a Taiwan.

Dettagli sul prodotto

Autori Gop Deshpande, Gopi Deshpande, Pen Wang, Peng Wang, Bodgan Wilamowski, Bogdan Wilamowski
Editore LAP Lambert Academic Publishing
 
Lingue Inglese
Formato Tascabile
Pubblicazione 01.01.2013
 
EAN 9783659437434
ISBN 978-3-659-43743-4
Pagine 60
Categorie Guide e manuali
Scienze naturali, medicina, informatica, tecnica > Informatica, EDP > Altro

Recensioni dei clienti

Per questo articolo non c'è ancora nessuna recensione. Scrivi la prima recensione e aiuta gli altri utenti a scegliere.

Scrivi una recensione

Top o flop? Scrivi la tua recensione.

Per i messaggi a CeDe.ch si prega di utilizzare il modulo di contatto.

I campi contrassegnati da * sono obbligatori.

Inviando questo modulo si accetta la nostra dichiarazione protezione dati.