ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Active Learning to Minimize the Possible Risk of Future Epidemics (SpringerBriefs in Computational Intelligence)

دانلود کتاب یادگیری فعال برای به حداقل رساندن خطر احتمالی اپیدمی های آینده (SpringerBriefs in Computational Intelligence)

Active Learning to Minimize the Possible Risk of Future Epidemics (SpringerBriefs in Computational Intelligence)

مشخصات کتاب

Active Learning to Minimize the Possible Risk of Future Epidemics (SpringerBriefs in Computational Intelligence)

ویرایش: 1st ed. 2023 
نویسندگان:   
سری:  
ISBN (شابک) : 9819974410, 9789819974412 
ناشر: Springer 
سال نشر: 2023 
تعداد صفحات: 107 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 66,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Active Learning to Minimize the Possible Risk of Future Epidemics (SpringerBriefs in Computational Intelligence) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری فعال برای به حداقل رساندن خطر احتمالی اپیدمی های آینده (SpringerBriefs in Computational Intelligence) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Foreword
Preface
Contents
About the Authors
Acronyms
1 Introduction
	1.1 Background
	1.2 Summary
	References
2 Active Learning—What, When, and Where to Deploy?
	2.1 Background
	2.2 Active Learning Scenarios
		2.2.1 Membership Query Synthesis
		2.2.2 Stream-Based Selective Sampling
		2.2.3 Pool-Based Sampling
	2.3 Query Strategies for AL
		2.3.1 Uncertainty Sampling
		2.3.2 Query by Disagreement
		2.3.3 Query by Committee
		2.3.4 Estimated Error Reduction
		2.3.5 Variance Reduction and Fisher Information Ratio
		2.3.6 Density-Weighted Methods
	2.4 When and Where to Deploy
	2.5 Summary
	References
3 Active Learning—Review
	3.1 Background
	3.2 Querying Techniques
	3.3 Existing Custom Querying Techniques
	3.4 Used Cases—Medical Imaging Informatics
	3.5 Challenges
	3.6 Summary
	References
4 Active Learning—Methodology
	4.1 Background
	4.2 Typical Machine Learning (ML) Models
		4.2.1 Shallow Learning
		4.2.2 Deep Learning
	4.3 How Big Data is Big Enough to Begin With?
	4.4 Active Learning Versus Passive Learning
	4.5 Implementation—The Proposed AL Framework
		4.5.1 Introducing Mentoring to ML Models
		4.5.2 Unsupervised Learning/Clustering
		4.5.3 K-way n-Shot Learning
	4.6 Summary
	References
5 Active Learning—Validation
	5.1 Background
	5.2 Datasets
		5.2.1 Cough Dataset
		5.2.2 Chest CT Scans
		5.2.3 Chest X-rays (CXRs)
	5.3 Evaluation Metrics
		5.3.1 Unsupervised Clustering
		5.3.2 Classification
	5.4 Validation
	5.5 Summary
	References
6 Case Study #1: Is My Cough Sound Covid-19?
	6.1 Data Preparation
	6.2 Results
		6.2.1 Clustering
		6.2.2 Classification
		6.2.3 Comparison
	6.3 Summary
	References
7 Case Study #2: Reading/Analyzing CT Scans
	7.1 Data Preparation
	7.2 Results
		7.2.1 Clustering
		7.2.2 Classification
		7.2.3 Comparison
	7.3 Summary
	References
8 Case Study #3: Reading/Analyzing Chest X-rays
	8.1 Data Preparation
	8.2 Results
		8.2.1 Clustering
		8.2.2 Classification
		8.2.3 Comparison
	8.3 Summary
	References
9 Summary and Take-Home Messages
	9.1 Background
	9.2 Summary
	9.3 Take-Home Message
	References




نظرات کاربران