为您找到相关结果约500个

你是不是要搜索 期刊机器学习模型 点击跳转

<font color="red">机器</font><font color="red">学习</font>和统计<font color="red">模型</font>的差异

机器学习和统计模型的差异

在各种各样的数据科学论坛上这样一个问题经常被问到——机器学习和统计模型的差别是什么？ 这确实是一个难以回答的问题。考虑到机器学习和统计模型解决问题的相似性，两者的区别似乎仅仅在于数据量和模型建立者的不同。这里有一张覆盖机器学习和统计模型的数据科学维恩图。在这篇文章中，我将尽最大的努力来展示机器学习和统计模型的区别，同时也欢迎业界有经验的朋友对本文进行补充。 在我开始之前，让我们

数据工匠 - 机器学习，统计模型 - 2015-11-30

<font color="red">机器</font><font color="red">学习</font>——BP神经网络<font color="red">模型</font>

机器学习——BP神经网络模型

机器学习——BP神经网络模型

机器学习——BP神经网络模型 - medscizl - 2017-05-29

JNM：利用<font color="red">机器</font><font color="red">学习</font>开发住院患者的跌倒预测<font color="red">模型</font>

JNM：利用机器学习开发住院患者的跌倒预测模型

包含它的模型比不包含它的模型更好地检测到跌倒的风险。

MedSci原创 - 机器学习，跌倒预测模型 - 2023-04-29

Hypertension： <font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>精准预测青年高血压转归!

Hypertension： 机器学习模型精准预测青年高血压转归!

近日，阜外医院宋雷教授与北京航空航天大学周晟瀚教授团队在Hypertension杂志在线发表研究，应用新的机器学习算法，对青年高血压数据建模预测高血压相关终点事件并取得良好的预测效果。

中国循环杂志 - 高血压 - 2020-03-23

<font color="red">机器</font><font color="red">学习</font>的明天——迁移<font color="red">学习</font>

机器学习的明天——迁移学习

而背后，从机器学习的角度，充分证明了深度强化学习和大数据的重要意义。DeepMind就是将深度学习应用到强化学习的范例，DeepMind把端到端的深度学习应用在强化学习上，使强化学习能够应付大数据，因此可以在围棋上把人类完全击倒，它做到这样是通过完全的自学习、自优化，然后一直迭代

CSDN - 机器学习，迁移学习 - 2018-02-05

JMC：利用大规模ADMET<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>预测小分子可开发潜力

JMC：利用大规模ADMET机器学习模型预测小分子可开发潜力

该方法利用100个大规模ADMET预测结果来评估化合物成为相关候选药物的潜力，由此产生的分数称为bPK分数。该方法明显优于以前的方法，并在先前方法表现不佳的数据集上展现了较强的判别性能。

ComputArt计算有乐趣 - 小分子药物，机器学习模型 - 2023-11-23

决策树<font color="red">模型</font>组合之随机森林与GBDT——<font color="red">机器</font><font color="red">学习</font>中的算法

决策树模型组合之随机森林与GBDT——机器学习中的算法

前言： 决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。美国金融银行业的大数据算法：随机森林模型+综合模型 模型组合（比如说有Boosting，Bagging等）与决策

MedSci原创 - 随机森林，决策树，模型，组合 - 2016-02-20

European Radiology：基于x线组学的骨良恶肿瘤的<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>

European Radiology：基于x线组学的骨良恶肿瘤的机器学习模型

放射线组学利用对多种成像特征的提取以描述肿瘤的特征[，可以作为机器学习模型的输入对肿瘤进行分类。

MedSci原创 - 放射组学，骨良恶肿瘤 - 2022-08-13

JMIR：开发<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>来预测严重的慢性阻塞性肺疾病恶化

JMIR：开发机器学习模型来预测严重的慢性阻塞性肺疾病恶化

在美国，慢性阻塞性肺病 (COPD) 影响 6.5% 的成年人，是除 COVID-19 之外的第四大死亡原因。

MedSci原创 - 慢性阻塞性肺疾病 - 2022-03-06

J Alzheimers Dis：利用<font color="red">机器</font><font color="red">学习</font>方法建立痴呆预测<font color="red">模型</font>--疾病状态指数

J Alzheimers Dis：利用机器学习方法建立痴呆预测模型--疾病状态指数

一个新型老年痴呆预测模型——疾病状态指数（Disease State Index，DSI），可能有助于预测10年后的疾病风险。DSI是一个经过验证的风险评估工具，利用“机器学习”方法分析大量健康信息。

MedSci原创 - 机器学习，痴呆，预测 - 2017-01-02

European Radiology：新辅助治疗后乳腺癌分子亚型改变的MRI<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>

European Radiology：新辅助治疗后乳腺癌分子亚型改变的MRI机器学习模型

放射组学是一种非侵入性的方法，可以评估肿瘤的微环境、空间特异性、生物标志物的状态以及在研究层面上对疾病演变和患者的长期预后进行纵向评估。

MedSci原创 - 乳腺癌，机器学习，放射组学 - 2023-03-05

European Radiology：一种基于<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>的颅脑CT个性化剂量评估

European Radiology：一种基于机器学习模型的颅脑CT个性化剂量评估

现阶段，器官和组织剂量估计的 "黄金标准 "是蒙特卡洛（MC）模拟。个性化的，即针对病人、针对设备和针对协议的CT检查的MC模拟提供了确定病人体内辐射剂量准确分布的可能性。

MedSci原创 - 机器学习，颅脑CT - 2022-08-19

European Radiology：基于<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>和临床决策算法的肾囊性病变的风险分层

European Radiology：基于机器学习模型和临床决策算法的肾囊性病变的风险分层

肾脏囊性病变风险分层的标准放射学标准，即Bosniak分类系统，于1986年引入，旨在将复杂肾脏囊肿的描述标准化，并为区分非手术性和手术性囊性病变提供分类指南。

MedSci原创 - 肾囊肿，机器学习模型 - 2022-06-04

European Radiology：<font color="red">机器</font><font color="red">学习</font><font color="red">模型</font>在腮腺良、恶性肿瘤鉴别中的放射组学分析

European Radiology：机器学习模型在腮腺良、恶性肿瘤鉴别中的放射组学分析

放射组学是一个新兴的、有前景的领域，通过高通量提取和挖掘大量的图像特征，对肿瘤类型进行全面的定量分析特征。

MedSci原创 - 机器学习，放射组学，腮腺良恶性肿瘤 - 2022-09-14

机器学习里的贝叶斯基本理论、模型和算法

我今天想和大家分享的是，在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法——贝叶斯方法。它是在机器学习和人工智能里比较经典的方法。

中国人工智能学会通讯 - 机器学习，贝叶斯 - 2017-04-04

为您找到相关结果约500个

共500条页码: 1/34页15条/页