Анализ тональности пользовательских отзывов с использованием модели Naive Bayes

Authors: М. А. Зуев, В. К. Денисенко

Source: Информатика. Экономика. Управление, Vol 4, Iss 3 (2025)

Subject Terms: анализ тональности, машинное обучение, обработка естественного языка, TF-IDF, наивный байесовский классификатор, отзывы пользователей, General Works

File Description: electronic resource

Relation: https://oajiem.com/index.php/24/article/view/175; https://doaj.org/toc/2782-5280

Access URL: https://doaj.org/article/64c130fdbdd14b219fc6fb512579326c

Применения методов машинного обучения для анализа и оценки эмоциональной окраски текста

Subject Terms: обработка естественного языка, оценка эмоциональной окраски текста, эмоциональная окраска текста, метод опорных векторов (SVM), логистическая регрессия, методы машинного обучения, наивный байесовский классификатор

File Description: application/pdf

Access URL: https://elib.belstu.by/handle/123456789/68089

Pharmacological screening of a new valproic acid derivative using the pharmacoencephalography method in rats ; Фармакологический скрининг нового производного вальпроевой кислоты с использованием метода фармакоэнцефалографии у крыс

Authors: Yu. I. Sysoev, D. D. Shits, M. M. Puchik, T. A. Gutiy, E. V. Fedorova, V. A. Prikhodko, I. A. Titovich, A. S. Melekhova, A. Ya. Bespalov, I. S. Knyazeva, E. B. Shustov, S. V. Okovityi, Ю. И. Сысоев, Д. Д. Шиц, М. М. Пучик, Т. А. Гутий, Е. В. Федорова, В. А. Приходько, И. А. Титович, А. С. Мелехова, А. Я. Беспалов, И. С. Князева, Е. Б. Шустов, С. В. Оковитый

Contributors: The work was carried out with the support of the Russian Science Foundation grant 23-75-01051 (electrocorticogram library creation, method validation)., Работа выполнена при поддержке гранта РНФ 23-75-01051 (создание библиотеки записей, валидация метода).

Source: Drug development & registration; Том 13, № 2 (2024); 190-206 ; Разработка и регистрация лекарственных средств; Том 13, № 2 (2024); 190-206 ; 2658-5049 ; 2305-2066

Subject Terms: крысы, pharmacoencephalography, electrocortigography, principal component analysis, naïve Bayes classifier, rats, фармакоэнцефалография, электрокортикография, метод главных компонент, наивный байесовский классификатор

File Description: application/pdf

Relation: https://www.pharmjournal.ru/jour/article/view/1811/1273; https://www.pharmjournal.ru/jour/article/downloadSuppFile/1811/2254; Dimpfel W., Hoffmann J. A. Electropharmacograms of rasagiline, its metabolite aminoindan and selegiline in the freely moving rat. Neuropsychobiology. 2010;62(4):213–220. DOI:10.1159/000319947.; Dimpfel W., Roeska K., Seilheimer B. Effect of Neurexan on the pattern of EEG frequencies in rats. BMC Complementary and Alternative Medicine. 2012;12:126. DOI:10.1186/1472-6882-12-126.; Drinkenburg W. H. I. M., Ahnaou A., Ruigt G. S. F. Pharmaco-EEG Studies in Animals: A History-Based Introduction to Contemporary Translational Applications. Neuropsychobiology. 2016;72(3–4):139–150. DOI:10.1159/000443175.; Sysoev Yu. I., Shits D. D., Puchik M. M., Prikhodko V. A., Idiyatullin R. D., Kotelnikova A. A., Okovityi S. V. Use of Naïve Bayes Classifier to Assess the Effects of Antipsychotic Agents on Brain Electrical Activity Parameters in Rats. Journal of Evolutionary Biochemistry and Physiology. 2022;58(4):1130–1141. DOI:10.1134/S0022093022040160.; Sysoev Yu. I., Shits D. D., Puchik M. M., Knyazeva I. S., Korelov M. S., Prikhodko V. A., Titovich I. A., Selizarova N. O., Okovityi S. V. Pharmacoencephalographic assessment of antipsychotic agents’ effect dose-dependency in rats. Journal of Evolutionary Biochemistry and Physiology. 2023;59:2153–2167. DOI:10.1134/S0022093023060200.; Mishra M. K., Kukal S., Paul P. R., Bora S., Singh A., Kukreti S., Saso L., Muthusamy K., Hasija Y., Kukreti R. Insights into Structural Modifications of Valproic Acid and Their Pharmacological Profile. Molecules. 2021;27(1):104. DOI:10.3390/molecules27010104.; Tursunov A. N., Vasilyev D. S., Nalivaeva N. N. Molecular Mechanisms of Valproic Acid Action on Signalling Systems and Brain Functions. Journal of Evolutionary Biochemistry and Physiology. 2023;59:1740–1755. DOI:10.1134/S0022093023050228.; Calabresi P., Galletti F., Rossi C., Sarchielli P., Cupini L. M. Antiepileptic drugs in Migraine: From Clinical Aspects to Cellular Mechanisms. Trends in Pharmacological Sciences. 2007;28(4):188–195. DOI:10.1016/j.tips.2007.02.005.; Scarselli M. Lithium and Valproic Acid in Bipolar Disorders and Beyond. Current Neuropharmacology. 2023;21(4):890. DOI:10.2174/1570159X2104230307123319.; Zhang X.-Z., Li X.-J., Zhang H.-Y. Valproic acid as a promising agent to combat Alzheimer’s disease. Brain Research Bulletin. 2010;81(1):3–6. DOI:10.1016/j.brainresbull.2009.09.003.; Carriere C. H., Kang N. H., Niles L. P. Neuroprotection by valproic acid in an intrastriatal rotenone model of Parkinson’s disease. Neuroscience. 2014;267:114–121. DOI:10.1016/j.neuroscience.2014.02.028.; Gill D., Derry S., Wiffen P. J., Moore R. A. Valproic acid and sodium valproate for neuropathic pain and fibromyalgia in adults. Cochrane Database of Systematic Reviews. 2011;(10):CD009183. DOI:10.1002/14651858.CD009183.pub2.; Беспалов А. Я., Прокопенко Л. И., Горчакова Т. Л., Петров А. Н., Зайцева М. А., Мелехова А. С., Бельская А. В., Мельникова М. В., Иванов М. Б. Гидрохлорид (1-метилпиперидин-4ил)-2-пропилпентаноата, обладающий холинолитической и противосудорожной активностью. Патент РФ № RU 2714135 C1. 12.02.2020. Доступно по: https://patents.google.com/patent/RU2714135C1/ru. Ссылка активна на 15.04.2024.; Мелехова А. С., Петров А. Н., Беспалов А. Я., Бельская А. В., Мельникова М. В., Зацепин Э. П., Шестова Г. В., Ганеев А. А. Экспериментальная фармакотерапия судорожного синдрома при моделировании тяжелого отравления карбаматом. Medline.ru. 2019;20:294–306.; Мелехова А. С., Беспалов А. Я., Верведа А. Б., Бондаренко А. А., Мельникова М. В., Пономарева А. Е. Многокритериальная оценка фармакологической активности оригинальных соединений вальпроевой кислоты для купирования первично-генрализованных судорог, вызванных камфорой. Medline.ru. 2023;24:107–120.; Sysoev Yu. I., Prikhodko V. A., Idiyatullin R. D., Chernyakov R. T., Karev V. E., Okovityi S. V. A Method for Chronic Registration of Brain Cortical Electrical Activity in Rats. Journal of Evolutionary Biochemistry and Physiology. 2022;58(1):292–301. DOI:10.1134/S0022093022010252.; Hansen I. H., Agerskov C., Arvastson L., Bastlund J. F., Sørensen H. B. D., Herrik K. F. Pharmaco-electroencephalographic responses in the rat differ between active and inactive locomotor states. European Journal of Neuroscience. 2019;50(2):1948–1971. DOI:10.1111/ejn.14373.; Kaboutari J., Zendehdel M., Habibian S., Azimi M., Shaker M., Karimi B. The antiepileptic effect of sodium valproate during different phases of the estrous cycle in PTZ-induced seizures in rats. Journal of Physiology and Biochemistry. 2012;68(2):155–161. DOI:10.1007/s13105-011-0127-x.; Bryant S. M., Rhee J. W., Thompson T. M., Lu J. J., Aks S. E. Parenteral ophthalmic tropicamide or cyclopentolate protects rats from lethal organophosphate poisoning. American Journal of Therapeutics. 2009;16(3):231–234. DOI:10.1097/MJT.0b013e318182254b.; Geyer M. A., Krebs-Thomson K., Braff D. L., Swerdlow N. R. Pharmacological studies of prepulse inhibition models of sensorimotor gating deficits in schizophrenia: a decade in review. Psychopharmacology. 2001;156(2–3):117–154. DOI:10.1007/s002130100811.; Waku I., Magalhães M. S., Alves C. O., de Oliveira A. R. Haloperidol-induced catalepsy as an animal model for parkinsonism: A systematic review of experimental studies. European Journal of Neuroscience. 2021;53(11):3743–3767. DOI:10.1111/ejn.15222.; Geerts H., Guillaumat P.-O., Grantham C., Bode W., Anciaux K., Sachak S. Brain levels and acetylcholinesterase inhibition with galantamine and donepezil in rats, mice, and rabbits. Brain Research. 2005;1033(2):186–193. DOI:10.1016/j.brainres.2004.11.042.; Hunter J. C., Fontana D. J., Hedley L. R., Jasper J. R., Lewis R., Link R. E., Secchi R., Sutton J., Eglen R. M. Assessment of the role of α 2 -adrenoceptor subtypes in the antinociceptive, sedative and hypothermic action of dexmedetomidine in transgenic mice. British Journal of Pharmacology. 1997;122(7):1339–1344. DOI:10.1038/sj.bjp.0701520.; Voronina T. A., Nerobkova L. N. [Effect of phenazepam on sleep cycles in rats]. Farmakol Toksikol. 1981;44(1):18–20.; Abásolo D., Simons S., Morgado da Silva R., Tononi G., Vyazovskiy V. V. Lempel-Ziv complexity of cortical activity during sleep and waking in rats. Journal of Neurophysiology. 2015;113(7):2742–2752. DOI:10.1152/jn.00575.2014.; Дергачев В. Д., Яковлев Е. Е., Брусина М. А., Бычков Е. Р., Питровский Л. Б., Шабанов П. Д. Противопаркинсоническая активность новых лигандов N-метил-D-аспартат-рецепторов в тесте ареколинового гиперкинеза. Медицинский Совет. 2021;12:406–412. DOI: 10/21518/2079-701X-2021-12-406-412.; Ballesteros J. A., Weinstein H. Integrated methods for the construction of the three-dimensional models and computational probing of structure-function relations in G protein-coupled receptors. Methods in Neurosciences. 1995;25:366–428. DOI:10.1016/S1043-9471(05)80049-7.; Manford M. Recent advances in epilepsy. Journal of Neurology. 2017;264(8):1811–1824. DOI:10.1007/s00415-017-8394-2.; Kurz M., Belani K. G., Sessler D. I., Kurz A., Larson M. D., Schroeder M., Blanchard D. Naloxone, meperidine, and shivering. Anesthesiology. 1993;79(6):1193–1201. DOI:10.1097/00000542-199312000-00009.; Höcker J., Weber B., Tonner P. H., Scholz J., Brand P.-A., Ohnesorge H., Bein B. Meperidine, remifentanil and tramadol but not sufentanil interact with α 2 -adrenoceptors in α 2A -, α 2B - and α 2C -adrenoceptor knock out mice brain. European Journal of Pharmacology. 2008;582(1–3):70–77. DOI:10.1016/j.ejphar.2007.12.022.; Kable J. W., Murrin L. C., Bylund D. B. In vivo gene modification elucidates subtype-specific functions of alpha(2)-adrenergic receptors. Journal of Pharmacology and Experimental Therapeutics. 2000;293(1):1–7.; Watanabe H., Shimizu H. Effect of anticholinergic drugs on striatal acetylcholine release and motor activity in freely moving rats studied by brain microdialysis. The Japanese Journal of Pharmacology. 1989;51(1):75–82. DOI:10.1254/jjp.51.75.; Bishop C. M. Pattern Recognition and Machine Learning. New York: Springer; 2006. 778 p.; https://www.pharmjournal.ru/jour/article/view/1811

Availability: https://www.pharmjournal.ru/jour/article/view/1811
https://doi.org/10.33380/2305-2066-2024-13-2-1804

Автоматическое распознавание эмоций по текстам с применением несетевых методов: выпускная квалификационная работа бакалавра

Subject Terms: обработка естественного языка, несетевые методы, machine learning, non-network methods, natural language processing, naive bayes classifier, машинное обучение, наивный байесовский классификатор

EFFICIENCY ESTIMATION OF METHODS FOR SENTIMENT ANALYSIS OF SOCIAL NETWORK MESSAGES

Authors: Borysova, Natalia Volodymyrivna, Melnyk, Karina Volodymyrivna

Source: Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології, Iss 2, Pp 76-81 (2019)
Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї; № 2 (2019); 76-81
Вестник Национального технического университета "ХПИ". Серия: Системный анализ, управление и информационные технологии; № 2 (2019); 76-81
Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies; № 2 (2019); 76-81

Subject Terms: класифікація текстів, Technology, text classification, машинне навчання, 02 engineering and technology, naïve bayesian classification, рекурентна нейронна мережа, efficiency estimation, social networks messages analysis, machine learning, наївний байєсівський класифікатор, sentiment analysis, naïve Bayesian classification, recurrent neural network, 0202 electrical engineering, electronic engineering, information engineering, сентимент-аналіз, аналіз повідомлень соціальних мереж, оцінка ефективності, сентимент-анализ, анализ сообщений социальных сетей, машинное обучение, классификация текстов, наивный байесовский классификатор, рекуррентная нейронная сеть, оценка эффективности

File Description: application/pdf

Access URL: http://samit.khpi.edu.ua/article/download/2079-0023.2019.02.13/183386
https://doaj.org/article/b438915112e2401ba4908b8719aa0358
http://repository.kpi.kharkov.ua/handle/KhPI-Press/42803
http://samit.khpi.edu.ua/article/view/2079-0023.2019.02.13

Big-Data Approach in Abundance Estimation of Non-Identifiable Animals with Camera-Traps at the Spots of Attraction

Authors: Ivanko, E. E.

Source: Bulletin of the South Ural State University, Series: Mathematical Modelling, Programming and Computer Software

Subject Terms: камеры-ловушки, 0106 biological sciences, оценка численности, J.3, наивный Байесовский классификатор, BIG-DATA, Quantitative Biology - Quantitative Methods, 01 natural sciences, Bayes naive classifier, camera-traps, abundance estimation, FOS: Biological sciences, CAMERA-TRAPS, большие данные, ABUNDANCE ESTIMATION, УДК 519.688, 92-08, BAYES NAIVE CLASSIFIER, big-data, Quantitative Methods (q-bio.QM)

File Description: application/pdf

Access URL: http://arxiv.org/abs/1703.07401
http://dspace.susu.ru/xmlui/handle/0001.74/40165
http://www.scopus.com/inward/record.url?partnerID=8YFLogxK&scp=85064496438
https://doi.org/10.14529/mmp190102
http://elar.urfu.ru/handle/10995/75104

Decision support system for estimating and forecasting state of insurance company

Source: System research and information technologies; No. 1 (2022); 61-72
Системные исследования и информационные технологии; № 1 (2022); 61-72
Системні дослідження та інформаційні технології; № 1 (2022); 61-72

Subject Terms: бинарная классификация, decision support system, випадковий ліс, naive Bayes classifier, нейронні мережі, gradient boosting, система підтримання прийняття рішень, система поддержки принятия решений, градієнтний бустинг, метод k-ближайших соседей, insurance company, support vector machine, случайный лес, нейронные сети, наивный байесовский классификатор, метод k-найближчих сусідів, бінарна класифікація, binary classification, градиентный бустинг, k-nearest neighbors, neural networks, метод опорных векторов, метод опорних векторів, страхова компанія, наївний байєсівський класифікатор, страховая компания, random forest

File Description: application/pdf

Access URL: http://journal.iasa.kpi.ua/article/view/259157

Методы машинного обучения в социологическом исследовании: предсказание частичного неответа с использованием наивного байесовского классификатора

Authors: Марина Юрьевна Александрова

Source: Monitoring Obŝestvennogo Mneniâ: Ekonomičeskie i Socialʹnye Peremeny, Iss 1 (2021)

Subject Terms: частичный неответ, отказ от ответа, отсутствие ответа, «затрудняюсь ответить», наивный байесовский классификатор, текст-майнинг, европейское социальное исследование, машинное обучение, качество измерения, Sociology (General), HM401-1281

Relation: https://www.monitoringjournal.ru/index.php/monitoring/article/view/1756; https://doaj.org/toc/2219-5467; https://doaj.org/article/bfee99f63e9a4c77aef069e103f49d91

Availability: https://doi.org/10.14515/monitoring.2021.1.1756
https://doaj.org/article/bfee99f63e9a4c77aef069e103f49d91

ИССЛЕДОВАНИЕ МЕТОДОВ КЛАССИФИКАЦИИ В ЗАДАЧЕ СТЕГОАНАЛИЗА ИЗОБРАЖЕНИЙ

Subject Terms: признаки, AutoMPL, стегоанализ, линейный дискриминант Фишера, нейронные сети, опорные векторы, классификатор, наивный байесовский классификатор

Применения методов машинного обучения для анализа и оценки эмоциональной окраски текста

Authors: Жук, А. М.

Subject Terms: методы машинного обучения, оценка эмоциональной окраски текста, обработка естественного языка, эмоциональная окраска текста, логистическая регрессия, наивный байесовский классификатор, метод опорных векторов (SVM)

File Description: application/pdf

Relation: https://elib.belstu.by/handle/123456789/68089; 004.62

Availability: https://elib.belstu.by/handle/123456789/68089

МЕТОДИКА УПРАВЛЕНИЯ АНТИФРОД-СИСТЕМОЙ В ЛОГИСТИЧЕСКОЙ ОТРАСЛИ НА ОСНОВЕ БАЙЕСОВСКОГО КЛАССИФИКАТОРА

Subject Terms: международная логистика, система поддержки принятия решений, антифрод, система управления, уровни доверия, наивный байесовский классификатор

Веб-приложение для оценки эмоциональной тональности отзывов на фильмы

Subject Terms: веб-сервис IBMWatsonNaturalLanguageUnderstanding, тональность текста, наивный Байесовский классификатор, теорема Байеса, анализ тональности текста, веб-приложения, сентимент-анализ

File Description: application/pdf

Access URL: https://elib.belstu.by/handle/123456789/31529

ПІДВИЩЕННЯ ЯКОСТІ КРЕДИТНОЇ ДІЯЛЬНОСТІ ЗА РАХУНОК ВИКОРИСТАННЯ СКОРИНГОВОЇ МОДЕЛІ

Authors: Melnyk, K. V., Borysova, N. V.

Source: Radio Electronics, Computer Science, Control; № 2 (2019): Radio Electronics, Computer Science, Control; 60-70
Радиоэлектроника, информатика, управление; № 2 (2019): Радиоэлектроника, информатика, управление; 60-70
Радіоелектроніка, iнформатика, управління; № 2 (2019): Радіоелектроніка, інформатика, управління; 60-70

Subject Terms: scoring model, classification task, naive Bayesian classifier, credit score assessment, lending, lender, borrower, and creditworthiness, скорингова модель, задача класифікації, наївний байєсівський класифікатор, оцінка кредитного рейтингу, кредитування, позичальник, кредитор, кредитоспроможність, скоринговая модель, задача классификации, наивный байесовский классификатор, оценка кредитного рейтингу, кредитование, заемщик, кредитор, кредитоспособность

File Description: application/pdf

Access URL: http://ric.zntu.edu.ua/article/view/174236

Веб-приложение для оценки эмоциональной тональности отзывов на фильмы

Subject Terms: веб-сервис IBMWatsonNaturalLanguageUnderstanding, тональность текста, наивный Байесовский классификатор, теорема Байеса, анализ тональности текста, веб-приложения, сентимент-анализ

File Description: application/pdf

Access URL: https://openrepository.ru/article?id=42665

РЕШЕНИЕ ЗАДАЧИ МНОГОМЕТОЧНОЙ КЛАССИФИКАЦИИ ДЛЯ ИДЕНТИФИКАЦИИ РАДИОНУКЛИДОВ

Source: Радіоелектроніка та інформатика; № 1(80) (2018)
Радиоэлектроника и информатика; № 1(80) (2018)
Radioelectronics & Informatics; № 1(80) (2018)

Subject Terms: идентификация нуклидов, много-меточная классификация, метод k ближайших соседей, наивный байесовский классификатор, метод опорных векторов и деревья решений

File Description: application/pdf

Access URL: http://reinf.nure.ua/article/view/152797

ПРИМЕНЕНИЕ В ЗАДАЧЕ КЛАССИФИКАЦИИ SMS СООБЩЕНИЙ ОПТИМИЗИРОВАННОГО НАИВНОГО БАЙЕСОВСКОГО КЛАССИФИКАТОРА

Authors: БУРЛАКОВ МИХАИЛ ЕВГЕНЬЕВИЧ

Subject Terms: НАИВНЫЙ БАЙЕСОВСКИЙ КЛАССИФИКАТОР,КЛАССИФИКАЦИЯ SMS СООБЩЕНИЙ,ОПТИМИЗАЦИЯ НАИВНОГО БАЙЕСОВСКОГО КЛАССИФИКАТОРА,ЭЛЕКТРОННЫЕ СООБЩЕНИЯ,СПАМ,КЛАССИФИКАЦИЯ ЭЛЕКТРОННЫХ СООБЩЕНИЙ,NAIVE BAYES CLASSIFIER,THE CLASSIFICATION OF SMS MESSAGES,THE OPTIMIZATION OF THE NAIVE BAYESIAN CLASSIFIER,E-MAILS,SPAM,CLASSIFICATION OF E-MAILS

File Description: text/html

Availability: http://cyberleninka.ru/article/n/primenenie-v-zadache-klassifikatsii-sms-soobscheniy-optimizirovannogo-naivnogo-bayesovskogo-klassifikatora
http://cyberleninka.ru/article_covers/16996003.png

Латентный анализ на базе метода штрафных функций для многомерных бинарных показателей

Subject Terms: КОРА, penalty method, latency analysis, KORA, naive Bayes classifier, метод k ближайших соседей, классификация с обучением, ФОРДИАСИМПТ, метод штрафных функций, FORDIASIMPT, дерево решений, decision tree, латентный анализ, classification with learning, k-nearest neighbors algorithm, наивный байесовский классификатор

ПОДХОД К ОБРАБОТКЕ МНОГОМЕРНЫХ ДАННЫХ ПЕПТИДНЫХ МИКРОЧИПОВ

Authors: АНИСИМОВ ДАНИИЛ СЕРГЕЕВИЧ, РЯЗАНОВ МИХАИЛ АНАТОЛЬЕВИЧ, ШАПОВАЛ АНДРЕЙ ИВАНОВИЧ

Subject Terms: ПЕПТИДНЫЙ МИКРОЧИП,ОБРАБОТКА МНОГОМЕРНЫХ ДАННЫХ,МЕТОД НАИМЕНЬШИХ КВАДРАТОВ,МЕТОД ОПОРНЫХ ВЕКТОРОВ,НАИВНЫЙ БАЙЕСОВСКИЙ КЛАССИФИКАТОР,K-БЛИЖАЙШИХ СОСЕДЕЙ,PEPTIDE MICROCHIP,PROCESSING OF MULTIDIMENSIONAL DATA,ORDINARY LEAST SQUARES,SUPPORT VECTOR MACHINES,NAIVE BAYES CLASSIFIER,K-NEAREST NEIGHBORS

File Description: text/html

Availability: http://cyberleninka.ru/article/n/podhod-k-obrabotke-mnogomernyh-dannyh-peptidnyh-mikrochipov
http://cyberleninka.ru/article_covers/16080825.png

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ АНАЛИЗА ДАННЫХ В ЗАДАЧЕ КЛАССИФИКАЦИИ ПОВРЕЖДЕНИЙ СТАЛЬНЫХ ЛИСТОВ

Authors: МАМОНТОВ Д.Ю.

Subject Terms: ДЕФЕКТЫ СТАЛЬНЫХ ПЛАСТИН,STEEL PLATES DAMAGES,КЛАССИФИКАЦИЯ,CLASSIFICATION,НЕЙРОННЫЕ СЕТИ,NEURAL NETS,МЕТОД БЛИЖАЙШИХ СОСЕДЕЙ,K-NEAREST NEIGHBOR ALGORITHM,НАИВНЫЙ БАЙЕСОВСКИЙ КЛАССИФИКАТОР,NAIVE BAYES CLASSIFIER,АВТОМАТИЧЕСКИЙ МНОГОСЛОЙНЫЙ ПЕРСЕПТРОН,AUTOMATED MULTILAYER PERCEPTRON,ДЕРЕВЬЯ РЕШЕНИЙ,DECISION TREE,СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ,PERFORMANCE COMPARISON

File Description: text/html

Availability: http://cyberleninka.ru/article/n/issledovanie-effektivnosti-intellektualnyh-metodov-analiza-dannyh-v-zadache-klassifikatsii-povrezhdeniy-stalnyh-listov
http://cyberleninka.ru/article_covers/16534101.png

СРАВНЕНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ ПРИ ДИАГНОСТИКЕ КАРДИАЛГИИ

Authors: КАРАСЕВА Т.С.

Subject Terms: СЕРДЕЧНЫЕ БОЛИ,КЛАССИФИКАЦИЯ,ДЕРЕВО РЕШЕНИЙ,НАИВНЫЙ БАЙЕСОВСКИЙ КЛАССИФИКАТОР,НЕЙРОННАЯ СЕТЬ,МЕТОД K-БЛИЖАЙШИХ СОСЕДЕЙ,ИНДУКЦИЯ ПРАВИЛ,МАШИНА ОПОРНЫХ ВЕКТОРОВ,ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ,ГОЛОСОВАНИЕ,CARDIAC PAIN,CLASSIFICATION,DECISION TREE,NAïVE BAYES CLASSIFIER,NEURAL NET,K-NEAREST NEIGHBORS,RULE INDUCTION,SUPPORT VECTOR MACHINE,LOGISTIC REGRESSION,VOTING

File Description: text/html

Availability: http://cyberleninka.ru/article/n/sravnenie-effektivnosti-metodov-intellektualnogo-analiza-dannyh-pri-diagnostike-kardialgii
http://cyberleninka.ru/article_covers/16534092.png