Andere Kunden interessierten sich auch für
![Detección de noticias falsas mediante diversas técnicas informáticas]( "Detección de noticias falsas mediante diversas técnicas informáticas")
Detección de noticias falsas mediante diversas técnicas informáticas29,99 €![Mejora de la clasificación para detectar enfermedades en la sangre humana]( "Mejora de la clasificación para detectar enfermedades en la sangre humana")
Mejora de la clasificación para detectar enfermedades en la sangre humana34,99 €![Contribución a la detección de vehículos mediante deep learning]( "Contribución a la detección de vehículos mediante deep learning")
Contribución a la detección de vehículos mediante deep learning26,99 €![Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares]( "Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares")
Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares30,99 €![Enfoque de aprendizaje automático para la detección de voz]( "Enfoque de aprendizaje automático para la detección de voz")
Enfoque de aprendizaje automático para la detección de voz34,99 €![Análisis comparativo de variantes de LBP para la detección de manipulación de imágenes]( "Análisis comparativo de variantes de LBP para la detección de manipulación de imágenes")
Análisis comparativo de variantes de LBP para la detección de manipulación de imágenes30,99 €![Diagnóstico de enfermedades cardiacas a partir del electrocardiograma]( "Diagnóstico de enfermedades cardiacas a partir del electrocardiograma")
Diagnóstico de enfermedades cardiacas a partir del electrocardiograma31,99 €
DeepCOPD, un innovador enfoque de aprendizaje profundo para la detección precisa de la enfermedad pulmonar obstructiva crónica (EPOC) mediante el análisis de sonidos respiratorios. El método propuesto utiliza un modelo de red neuronal convolucional (CNN) entrenado en una base de datos de sonidos respiratorios que contiene sibilancias, crepitaciones y crepitaciones y sibilancias. Para superar el reto de un conjunto de datos pequeño, se emplean técnicas innovadoras como el ajuste fino específico del dispositivo, el aumento basado en la concatenación, el recorte de regiones en blanco y el relleno inteligente. Estas técnicas permiten una utilización eficiente del conjunto de datos, lo que se traduce en una impresionante precisión del 90% al 95%.