Wyniki wyszukiwania

Wynik wyszukiwania

Zapytanie: RANDOM FOREST
Liczba odnalezionych rekordów: 10

| | | Przesłanie wyników do modułu analizy | excel |

1/10
Nr opisu: 0000134431
Adolescent age estimation using voice features.
[Aut.]: Marcin Bugdol, Monika Bugdol, Maria Bieńkowska, A. Lipowicz, Agata Wijata, Andrzej Mitas.
-Biomed. Eng. / Biomed. Tech. 2020 vol. 65 iss. 4, s. 429-434, bibliogr. 20 poz.. Impact Factor 1.054. Punktacja MNiSW 40.000

szacowanie wieku ; las losowy ; analiza głosu

age estimation ; random forest ; voice analysis

2/10
Nr opisu: 0000137548
Intracranial hemorrhage detection in head CT using double-branch convolutional neural network, support vector machine, and random forest.
[Aut.]: Agata Sage, Paweł Badura.
-Appl. Sci. 2020 vol. 10 iss. 21, s. 1-12, bibliogr. 30 poz.. Impact Factor 2.474. Punktacja MNiSW 70.000

krwotok wewnątrzczaszkowy ; diagnostyka wspomagana komputerowo ; tomografia komputerowa ; uczenie głębokie ; las losowy

intracranial hemorrhage ; computer-aided diagnosis ; computed tomography ; deep learning ; random forest

3/10
Nr opisu: 0000123525
Attribute-based assessment of lung nodules in CT using support vector machine and random forest.
[Aut.]: Beata* Choroba, Paweł Badura.
W: Information technology in biomedicine. Proceedings 6th International Conference, ITIB 2018, Kamień Śląski, Poland, June 18-20, 2018. Eds. Ewa Pietka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2019, s. 279-289, bibliogr. 37 poz. (Advances in Intelligent Systems and Computing ; vol. 762 2194-5357). Punktacja MNiSW 20.000

diagnostyka wspomagana komputerowo ; rak płuc ; klasyfikacja ; Maszyna Wektorów Nośnych ; las losowy

computer-aided diagnosis ; lung cancer ; classification ; Support Vector Machine ; random forest

4/10
Nr opisu: 0000128192
Predictive business process monitoring with tree-based classification algorithms.
[Aut.]: Tomasz Owczarek, Piotr Janke.
-Logist. Transp. 2018 vol. 40 no. 4, s. 73-81, bibliogr. 24 poz.. Punktacja MNiSW 13.000

proces biznesowy ; predykcja ; klasyfikacja ; las losowy ; zwiększanie gradientu

business process ; prediction ; classification ; random forest ; gradient boosting

5/10
Nr opisu: 0000118518
Evaluation of the impact of explanatory variables on the accuracy of prediction of daily inflow to the sewage treatment plant by selected models nonlinear.
[Aut.]: B. Szeląg, L. Bartkiewicz, J. Studziński, Krzysztof Barbusiński.
-Arch. Environ. Prot. 2017 vol. 43 no. 3, s. 74-81, bibliogr. 31 poz.. Impact Factor 1.120. Punktacja MNiSW 15.000

oczyszczalnia ścieków ; wydobywanie danych ; las losowy ; prognozowanie dopływu ścieków ; k-najbliższych sąsiadów ; regresja Kernela

wastewater treatment plant ; data mining ; random forest ; forecasting wastewater inflow ; k-nearest neighbours ; Kernel regression

6/10
Nr opisu: 0000117950
Multidimensional feature selection and interaction mining with decision tree based ensemble methods.
[Aut.]: Łukasz* Król, Joanna Polańska.
W: 11th International Conference on Practical Applications of Computational Biology and Bioinformatics. PACBB 2017, Porto, Portugal, 21-23 June 2017. Eds. F. Fdez-Riverola, M. Mohamad, M. Rocha, J. De Paz, T. Pinto. Cham : Springer, 2017, s. 118-125, bibliogr. 13 poz. (Advances in Intelligent Systems and Computing ; vol. 616 2194-5357)

wybór cech ; integracja cech ; redukcja wymiarowości ; klasyfikacja ; drzewo decyzyjne ; las losowy ; randomizowane drzewo ; selekcja cech Monte Carlo

feature selection ; feature interaction ; dimensionality reduction ; classification ; decision tree ; random forest ; extremely randomized trees ; Monte Carlo feature selection

7/10
Nr opisu: 0000102427
Application of dimensionality reduction methods for eye movement data classification.
[Aut.]: Aleksandra Helena Gruca, Katarzyna Harężlak, Paweł Kasprowski.
W: Man-machine interactions 4. 4th International Conference on Man-Machine Interactions, ICMMI 2015, Kocierz Pass, Poland, October 6-9, 2015. Eds. Aleksandra Gruca, Agnieszka Brachman, Stanisław Kozielski, Tadeusz Czachórski. Berlin : Springer, 2016, s. 291-303, bibliogr. 24 poz. (Advances in Intelligent Systems and Computing ; vol. 391 2194-5357)

ruch oczu ; analiza danych ; DTW ; redukcja wymiarowości ; klasyfikacja ; PCA ; SVM ; las losowy

eye movements ; data analysis ; DTW ; dimensionality reduction ; classification ; PCA ; SVM ; random forest

8/10
Nr opisu: 0000103733
DALSA: domain adaptation for supervised learning from sparsely annotated MR images.
[Aut.]: M. Goetz, C. Weber, Franciszek Eugeniusz* Binczyk, Joanna Polańska, R. Tarnawski, B. Bobek-Billewicz, U. Koethe, J. Kleesiek, B. Stieltjes, K. H. Maier-Hein.
-IEEE Trans. Med. Imaging 2015 vol. 35 iss. 1, s. 184-196, bibliogr. 48 poz.. Impact Factor 3.756. Punktacja MNiSW 45.000

multimodalna segmentacja automatyczna ; segmentacja guza mózgu ; adaptacja domeny ; glejak ; las losowy ; transfer learning

automatic multi-modal segmentation ; brain tumor segmentation ; domain adaptation ; glioma ; random forest ; transfer learning

9/10
Nr opisu: 0000083260
HuntMi: an efficient and taxon-specific approach in pre-miRNA identification.
[Aut.]: Adam Gudyś, M. Szczęśniak, Marek Sikora, I. Makałowska.
-BMC Bioinformatics 2013 vol. 14 art. nr 83, s. 1-10, bibliogr. 39 poz.. Impact Factor 2.672. Punktacja MNiSW 35.000

microRNA ; las losowy ; analiza genomu

microRNA ; random forest ; genome analysis ; imbalanced learning

10/10
Nr opisu: 0000088760
Wykorzystanie transformacji Hougha w systemie biometrycznym układu naczyniowego palców dłoni.
[Aut.]: Michał Waluś, Jacek Konopacki.
-Prz. Elektrot. 2013 R. 89 nr 12, s. 150-153, bibliogr. 18 poz.. Punktacja MNiSW 14.000

układ naczyniowy palca ; ekstrakcja cech ; transformata Hougha ; las losowy

finger vein ; feature extraction ; Hough transform ; random forest

stosując format: