دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. 2023
نویسندگان: KC Santosh. Suprim Nakarmi
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
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.
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