文献

J-GLOBAL ID：201802279876234943   整理番号：18A1146196

LVQ法を用いた薬剤の予測【JST・京大機械翻訳】

Prediction of medicines using LVQ methodology

著者 (4件)： Devi K. Jyoshna (Department of Computer Science & Engineering, Sri Venkateswara College of Engineering (SVCE), Tirupati, Andhra Pradesh 517507 India) ,  Moulika G. B. (Department of Computer Science & Engineering, Sri Venkateswara College of Engineering (SVCE), Tirupati, Andhra Pradesh 517507 India) ,  Sravanthi K. (Department of Computer Science & Engineering, Sri Venkateswara College of Engineering (SVCE), Tirupati, Andhra Pradesh 517507 India) ,  Kumar K. Manoj (Assistant Professor, Department of Computer Science & Engineering, Sri Venkateswara College of Engineering (SVCE), Tirupati, Andhra Pradesh 517507 India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICECDS  ページ： 388-391  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 医療・医療分野においては,コンピュータの方向性とアクセシビリティのために,多くの情報が平易にアクセスできるようになっている。専門家は,それらの作業においてこの情報を利用することに頼っている。一方,そのような多くの情報は,解の予測を行うために,人間によって扱うことができない。予後的治療は,疾患を全体的に維持するか,あるいは全体的に患者に対するその効果を減少させるために,最終目標を念頭に置くことにより,不正および予防対策の可能性を予測することを含む処方の記録である。過去の既存のフレームワークにおいて,ニューラルネットワークは医薬品の期待のためにネットワークを構築する。ニューラルネットワークにおいては,ニューラルネットワークにおける解医学の誤りがある。本研究で示したように,LVQとして知られている神経系の異常な例に対し,静的神経系技術である。LVQは,期待値を呼び起こすことができた。LVQは,この戦略を予測するために,データマイニングにおける技術の孤立性を保持している。患者とそれらの投薬と治療についての過去の情報の観点から,著者らは将来の解決策を予測する。同様に,薬物に関する患者の批判の見解において,評価を選択して,傾斜を与えた。解の予測は,異なる技術により行うことができるが,LVQ実行はサポートベクトルマシンよりも優れている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  ニューラルネットワーク ,  患者 ,  神経系 ,  アクセシビリティ ,  データマイニング ,  期待値 ,  *ネットワーク ,  指向性 ,  コンピュータ ,  治療法
準シソーラス用語： 予防対策 , 【Automatic Indexing@JST】

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： LVQ ,  薬剤 ,  予測