Andere Kunden interessierten sich auch für
![Un nuovo sistema di previsione delle malattie con tecniche ibride di apprendimento profondo]( "Un nuovo sistema di previsione delle malattie con tecniche ibride di apprendimento profondo")
Un nuovo sistema di previsione delle malattie con tecniche ibride di apprendimento profondo51,99 €![Sistema di rilevamento delle intrusioni basato sul deep learning]( "Sistema di rilevamento delle intrusioni basato sul deep learning")
Sistema di rilevamento delle intrusioni basato sul deep learning40,99 €![Analisi delle prestazioni delle tecniche di rilevamento dei virus basate sul cross layer]( "Analisi delle prestazioni delle tecniche di rilevamento dei virus basate sul cross layer")
Analisi delle prestazioni delle tecniche di rilevamento dei virus basate sul cross layer32,99 €![Apprendere le emozioni utilizzando tecniche di rilevamento automatico degli affetti]( "Apprendere le emozioni utilizzando tecniche di rilevamento automatico degli affetti")
Apprendere le emozioni utilizzando tecniche di rilevamento automatico degli affetti36,99 €![Analisi comparativa delle tecniche di rilevamento del malware]( "Analisi comparativa delle tecniche di rilevamento del malware")
Analisi comparativa delle tecniche di rilevamento del malware26,99 €![Rilevamento della lingua dei segni tramite il deep learning]( "Rilevamento della lingua dei segni tramite il deep learning")
Rilevamento della lingua dei segni tramite il deep learning29,99 €![Rilevamento di Fake News utilizzando varie tecniche computazionali]( "Rilevamento di Fake News utilizzando varie tecniche computazionali")
Rilevamento di Fake News utilizzando varie tecniche computazionali29,99 €
DeepCOPD, un approccio innovativo di deep learning per il rilevamento accurato della broncopneumopatia cronica ostruttiva (BPCO) utilizzando l'analisi dei suoni respiratori. L'approccio proposto utilizza un modello di rete neurale convoluzionale (CNN) addestrato su un database di suoni respiratori contenente rantoli, crepitii e sia crepitii che rantoli. Per superare la sfida di un set di dati di dimensioni ridotte, vengono impiegate tecniche innovative come la messa a punto specifica del dispositivo, l'incremento basato sulla concatenazione, il ritaglio di regioni vuote e il padding intelligente. Queste tecniche consentono di utilizzare in modo efficiente il set di dati, ottenendo un'impressionante accuratezza compresa tra il 90% e il 95%.