Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/56834
Title: Сравнение моделей машинного обучения для задачи предсказания порока сердца
Other Titles: Comparison of machine learning models for the task of heart defect prediction
Authors: Дановский, В. Д.
Keywords: материалы конференций;нейронная сеть;машинное обучение;электрокардиограмма
Issue Date: 2024
Publisher: БГУИР
Citation: Дановский, В. Д. Сравнение моделей машинного обучения для задачи предсказания порока сердца = Comparison of machine learning models for the task of heart defect prediction / В. Д. Дановский // Электронные системы и технологии : сборник материалов 60-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 22–26 апреля 2024 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: Д. В. Лихаческий [и др.]. – Минск, 2024. – С. 96–100.
Abstract: Исследованы характеристики, влияющие на диагностирование пороков сердца. Разработан набор предсказательных моделей на основе методов и моделей машинного обучения. Проведено сравнение результатов и определение наиболее подходящей для поставленной задачи модели. Предложены мероприятия по улучшению предсказательной точности модели.
Alternative abstract: Characteristics affecting the occurrence of heart defects and ECG plaques were investigated. A set of predictive models based on machine learning methods and models was developed. The results were compared and the most appropriate model for the task was determined. Measures to improve the predictive accuracy of the model are proposed.
URI: https://libeldoc.bsuir.by/handle/123456789/56834
Appears in Collections:Электронные системы и технологии : материалы 60-й конференции аспирантов, магистрантов и студентов (2024)

Files in This Item:
File Description SizeFormat 
Danovskij_Sravnenie_modelej.pdf2 MBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.