Przejdź do głównej treści
Otwórz wyszukiwarkę
Szukaj
Zamknij wyszukiwarkę Wyczyść Szukaj
Produkty w koszyku: 0. Zobacz szczegóły
Twój koszyk jest pusty
EXIT

METODY PRZETWARZANIA DANYCH WIELOMODALNYCH...

Przejdź do sekcji Opinie

EXIT, 2026, 9788378371663

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...

Przejdź do pełnego opisu
Cena 47,25 zł
Cena w innych sklepach: 47,25 zł
szt.
Dostępność:
na wyczerpaniu
Czas wysyłki: 48 godzin

Opis

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

TYTUŁ METODY PRZETWARZANIA DANYCH WIELOMODALNYCH...
WYDAWCA EXIT
ROK WYDANIA 2026
EAN 9788378371663
Znajdź podobne według klucza:
(789855)

Opinie

Liczba ocen: 0
Oceń i opisz