检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

2 篇 会议

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 医学
- 1 篇 基础医学(可授医学...
- 1 篇 临床医学
- 1 篇 公共卫生与预防医...

主题

2 篇 additional key w...
1 篇 random forest re...
1 篇 pavement roughne...

机构

1 篇 pes university
1 篇 computer science...

作者

1 篇 niharika c.
1 篇 chandan p.r.
1 篇 abrar rahman abi...
1 篇 harsha v.
1 篇 purushotham
1 篇 siddesh loni ank...

语言

1 篇 英文
1 篇 其他

检索条件"主题词=Additional Key Words and Phrases: Machine Learning"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Leukaemia Detection and Classification of its Sub-types using machine learning 24

Leukaemia Detection and Classification of its Sub-types usin...

引用

10th International Conference on Computing and Artificial Intelligence, ICCAI 2024

作者： Harsha, V. Chandan, P.R. Niharika, C. Siddesh Loni, Ankit Purushotham PES University India

ISBN: (纸本)9798400717055

Leukemia, a group of blood cancers originating from abnormal white blood cells as show in Fig 1, poses a significant threat to global health. Early detection and accurate classification of leukemia subtypes are crucial for effective treatment planning and patient management. This research focuses on developing a comprehensive approach for leukemia detection and subtype classification using advanced machine learning techniques. The objectives of this research are to efficiently detect leukemia and classify its subtypes using machine learning techniques. The successful implementation of this research project has the potential to significantly improve the efficiency of leukemia diagnosis by providing a reliable, automated system for early detection and accurate classification of leukemia subtypes. This, in turn, can contribute to more timely and targeted treatment strategies, ultimately improving patient outcomes in the battle against leukemia. © 2024 ACM.

关键词： additional key words and phrases: machine learning

来源：评论

学校读者我要写书评

暂无评论

A machine learning Based Novel Approach of Predicting International Roughness Index(IRI) from Traffic Characteristics using Random Forest Regression 23

A Machine Learning Based Novel Approach of Predicting Intern...

引用

Proceedings of the 2023 6th Artificial Intelligence and Cloud Computing Conference

作者： Abrar Rahman Abir Computer Science and Engineering Bangladesh University of Engineering and Technology Bangladesh

ISBN: (纸本)9798400716225

International Roughness Index (IRI) stands as a well-established metric for assessing pavement roughness and overall condition. Predicting IRI is crucial for maintaining pavement infrastructure. In this study, we present a novel approach to predict IRI using Random Forest regression, focusing exclusively on traffic characteristics as predictive variables. Existing studies considered a wide range of factors, including pavement materials, climate, structural attributes, and various pavement distress indicators alongside traffic data where we developed our model using only traffic characteristics. We have used Long-Term Pavement Performance Program (LTPP) dataset for training our models. We have compared our Random forest model with three other models (XGBoost,SVM regression,Gradient Boosting). R squared value and Mean Squared Error (MSE) were taken as performance evaluation metrics. Random forest showed R squared value of 0.70623 and MSE of 8.22 × 10−6 where Gradient Boosting, XGBoost and SVM had R squared value of 0.5737, 0.497, and 0.3455 *** also compared between two hyperparameter tuning methods(Random Search and Grid Search) used in our models and found Random search to perform better. We have also presented a comparative analysis of existing IRI prediction models with our model. Finally we present a SHAP(SHapley Additive exPlanations) analysis to interpret our model and find the contribution of each input feature on our model. We found Annual ESAL (Equivalent Single Axle Load) to be the most dominant factor to predict IRI from traffic characteristics.

关键词： additional key words and phrases: machine learning Pavement Roughness Random Forest Regression

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：