• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Communication and Electronics Systems >Meta Learning Gradient Boosted Neural Network Model Based Diabetes Risk Prediction with Bias Reduction Using OCT Image Attributes
【24h】

Meta Learning Gradient Boosted Neural Network Model Based Diabetes Risk Prediction with Bias Reduction Using OCT Image Attributes

机译：元学习梯度促进了基于神经网络模型的基于神经网络模型的糖尿病风险预测，使用OCT图像属性偏差减少

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Ensemble learning is defined as technique used to combine feeble techniques to develop a robust technique to maximize the algorithm efficiency. Ensemble boosting technique is combined with neural network to improve the prediction accuracy. The combined technique is optimized with fine-tuned hyper parameters, and it is cross validated to avoid overfitting. Neural network is defined as the technique used to imitate human memory that consists of number of perceptrons to accept input data from user. Input layer consists of number of input nodes based on input data given by user. The weight calculation and parameter calculation are performed in hidden layer. The output layer consists of output nodes to display the required output. This work consists of OCT retinal parameters of Myopic, CSR and normal data of to predict diabetic risk. This work discusses about optimized and cross validated gradient boosted neural network with 98% prediction accuracy.
机译：集合学习被定义为用于结合虚弱技术来开发稳健技术以最大化算法效率的技术。 合奏促进技术与神经网络相结合以提高预测准确性。 组合技术通过微调的超参数进行了优化，并且交叉验证以避免过度装备。 神经网络被定义为用于模仿人类存储器的技术，该技术包括从用户接受输入数据的人数。 输入层由基于用户给出的输入数据组成的输入节点数量。 在隐藏层中执行权重计算和参数计算。 输出层由输出节点组成以显示所需的输出。 这项工作由OCT视网膜参数组成的近视，CSR和正常数据预测糖尿病风险。 这项工作讨论了具有98％预测精度的优化和交叉验证的梯度提升神经网络。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号