「62P10」カテゴリーアーカイブ

Can Copulas Be Used for Feature Selection? A Machine Learning Study on Diabetes Risk Prediction

投稿日: 2025年5月29日 作成者: jarxiv

要約 正確な糖尿病のリスク予測は、複雑な健康データセットからの主要な機能の特定に … 続きを読む →

カテゴリー: 62H05, 62H12, 62P10, 68T07, cs.LG, stat.ML | コメントする

Enhancing Visual Interpretability and Explainability in Functional Survival Trees and Forests

投稿日: 2025年4月28日 作成者: jarxiv

要約 機能生存モデルは、機能的または高次元の入力など、複雑な予測因子を使用してイ … 続きを読む →

カテゴリー: 62G05, 62G08, 62H30, 62J99, 62N02, 62P10, cs.LG, G.3, stat.ME, stat.ML | Enhancing Visual Interpretability and Explainability in Functional Survival Trees and Forests はコメントを受け付けていません

Artificial Intelligence for Pediatric Height Prediction Using Large-Scale Longitudinal Body Composition Data

投稿日: 2025年4月10日 作成者: jarxiv

要約 この研究は、GPコホート研究の人体測定および体組成データを使用して、小児お … 続きを読む →

カテゴリー: 62P10, 68T05, cs.LG, q-bio.QM | Artificial Intelligence for Pediatric Height Prediction Using Large-Scale Longitudinal Body Composition Data はコメントを受け付けていません

ASF-YOLO: A Novel YOLO Model with Attentional Scale Sequence Fusion for Cell Instance Segmentation

投稿日: 2023年12月12日 作成者: jarxiv

要約 我々は、正確かつ高速なセル インスタンス セグメンテーションのために空間機 … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP | ASF-YOLO: A Novel YOLO Model with Attentional Scale Sequence Fusion for Cell Instance Segmentation はコメントを受け付けていません

RCS-YOLO: A Fast and High-Accuracy Object Detector for Brain Tumor Detection

投稿日: 2023年10月4日 作成者: jarxiv

要約 速度と精度のバランスに優れた最先端のYOLOフレームワークは、物体検出のた … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP, stat.ML | RCS-YOLO: A Fast and High-Accuracy Object Detector for Brain Tumor Detection はコメントを受け付けていません

BGF-YOLO: Enhanced YOLOv8 with Multiscale Attentional Feature Fusion for Brain Tumor Detection

投稿日: 2023年9月26日 作成者: jarxiv

要約 You Only Look Once (YOLO) ベースの物体検出器は、 … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP | BGF-YOLO: Enhanced YOLOv8 with Multiscale Attentional Feature Fusion for Brain Tumor Detection はコメントを受け付けていません

Leveraging Factored Action Spaces for Off-Policy Evaluation

投稿日: 2023年7月17日 作成者: jarxiv

要約 オフポリシー評価 (OPE) は、実行されたシーケンスから収集されたデータ … 続きを読む →

カテゴリー: 60J10, 62D05, 62D20, 62P10, cs.AI, cs.LG, G.3, stat.ML | Leveraging Factored Action Spaces for Off-Policy Evaluation はコメントを受け付けていません

Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments

投稿日: 2023年2月21日 作成者: jarxiv

要約 ネガティブ コントロールは、測定されていない交絡が存在する場合に、治療と結 … 続きを読む →

カテゴリー: 62G05, 62P10, cs.LG, econ.EM, G.3, stat.ML | Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments はコメントを受け付けていません