...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Current Science: A Fortnightly Journal of Research >Autoencoder networks for HIV classification
【24h】

Autoencoder networks for HIV classification

机译：用于HIV分类的自动编码器网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we introduce a new method to analyse HIV using a combination of autoencoder net-works and genetic algorithms. The proposed method is tested on a set of demographic properties ofindividuals obtained from the South African antenatal survey. When compared to conventional feed-forward neural networks, the autoencoder network classifier model proposed yields an accuracy of92%, compared to an accuracy of 84% obtained from the conventional feedforward neural networkmodels. The area under the ROC curve for the proposed autoencoder network model is 0.86 com-pared to an area under the curve of 0.8 for the conventional feedforward neural network model.The autoencoder network model for HIV classification, proposed in this paper, thus outperformsthe conventional feedforward neural network models and is a much better classifier.
机译：在本文中，我们介绍了一种结合自动编码器网络和遗传算法分析HIV的新方法。对从南非产前调查中获得的一组人口统计学特性进行了测试。与常规前馈神经网络相比，提出的自动编码器网络分类器模型产生的准确度为92％，而从常规前馈神经网络模型获得的准确度为84％。与常规前馈神经网络模型相比，所建议的自动编码器网络模型的ROC曲线下面积为0.86，而在常规曲线下，其ROC曲线下面积为0.86。本文提出的用于HIV分类的自动编码器网络模型优于常规前馈神经网络模型，是一个更好的分类器。

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