Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
- Retrait gratuit dans votre magasin Club
- 7.000.0000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Active Learning to Minimize the Possible Risk of Future Epidemics
Kc Santosh, Suprim Nakarmi
Livre broché | Anglais
76,45 €
+ 152 points
Description
Future epidemics are inevitable, and it takes months and even years to collect fully annotated data. The sheer magnitude of data required for machine learning algorithms, spanning both shallow and deep structures, raises a fundamental question: how big data is big enough to effectively tackle future epidemics? In this context, active learning, often referred to as human or expert-in-the-loop learning, becomes imperative, enabling machines to commence learning from day one with minimal labeled data. In unsupervised learning, the focus shifts toward constructing advanced machine learning models like deep structured networks that autonomously learn over time, with human or expert intervention only when errors occur and for limited data-a process we term mentoring. In the context of Covid-19, this book explores the use of deep features to classify data into two clusters (0/1: Covid-19/non-Covid-19) across three distinct datasets: cough sound, Computed Tomography (CT) scan, and chest x-ray (CXR). Not to be confused, our primary objective is to provide a strong assertion on how active learning could potentially be used to predict disease from any upcoming epidemics. Upon request (education/training purpose), GitHub source codes are provided.
Spécifications
Parties prenantes
- Auteur(s) :
- Editeur:
Contenu
- Nombre de pages :
- 96
- Langue:
- Anglais
Caractéristiques
- EAN:
- 9789819974412
- Date de parution :
- 23-11-23
- Format:
- Livre broché
- Format numérique:
- Trade paperback (VS)
- Dimensions :
- 156 mm x 234 mm
- Poids :
- 172 g
