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: [1 ed.] نویسندگان: John H. Holmes, Riccardo Bellazzi, Lucia Sacchi, Niels Peek (eds.) سری: Lecture Notes in Computer Science 9105 ISBN (شابک) : 9783319195506, 9783319195513 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 345 [349] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 Mb
در صورت تبدیل فایل کتاب Artificial Intelligence in Medicine: 15th Conference on Artificial Intelligence in Medicine, AIME 2015, Pavia, Italy, June 17-20, 2015. Proceedings 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 هوش مصنوعی در پزشکی: پانزدهمین کنفرانس هوش مصنوعی در پزشکی ، AIME 2015 ، پاویا ، ایتالیا ، 17 تا 20 ژوئن 2015. مجموعه مقالات 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.
این کتاب مجموعه مقالات داوری پانزدهمین کنفرانس هوش مصنوعی در پزشکی، AIME 2015، در پاویا، ایتالیا، در ژوئن 2015 برگزار شد. 19 مقاله اصلاح شده کامل و 24 مقاله کوتاه ارائه شده با دقت بررسی و از بین 99 مقاله ارسالی انتخاب شدند. مقالات در بخش های موضوعی زیر سازماندهی شده اند: فرآیند کاوی و فنوتیپ. داده کاوی و یادگیری ماشینی؛ داده کاوی زمانی؛ عدم قطعیت و شبکه های بیزی؛ استخراج متن؛ پیش بینی در عمل بالینی؛ و نمایندگی دانش و دستورالعمل ها.
This book constitutes the refereed proceedings of the 15th Conference on Artificial Intelligence in Medicine, AIME 2015, held in Pavia, Italy, in June 2015. The 19 revised full and 24 short papers presented were carefully reviewed and selected from 99 submissions. The papers are organized in the following topical sections: process mining and phenotyping; data mining and machine learning; temporal data mining; uncertainty and Bayesian networks; text mining; prediction in clinical practice; and knowledge representation and guidelines.