点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 人工智能保健-源码
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
ssEPE-源码
ssEPE 发言题目:一种可解释的机器学习模型的开发和外部验证,该模型可预测患有前列腺癌的男性发生侧特异性前列腺外扩张的风险 开发者:Jethro CC。 w(1,2),阿德里·Kong德克(3),克里斯托弗·特兰(3),艾米莉·埃文斯(3),安纳·阿里(4),穆尼尔·贾马尔(1),托马斯·肖特(1),弗兰克·帕潘尼科劳(1),约翰R.Srigley(5),Andrew H.Feifer(1,4) (1)多伦多大学,外科,泌尿外科,加拿大,安大略省(2)多伦多大学,医学界人工智能研究与教育特
所属分类:
其它
发布日期:2021-03-09
文件大小:2097152
提供者:
weixin_42112894
参与度:参与度-源码
目录 :waving_hand: 问候和称呼 这个github仓库是我的“求职信”。 如果您发现了此存根,那么恭喜您 :partying_face: ! 您的组织活动肯定引起了我的兴趣 :thumbs_up: :love_letter: 求职信 我认为自己是处于技术和医疗保健关头的研究科学家。 从证书的角度来看,我拥有临床研究硕士学位以及多项技术认证,尤其是作为区块链顾问。 我非常荣幸地成为自己的初创公司的创始人,该公司在人工智能和
所属分类:
其它
发布日期:2021-03-04
文件大小:588800
提供者:
weixin_42169971
人工智能保健-源码
人工智能保健 表中的内容 演示版 家 在职的 概述 AI-Healthcare是一个Web应用程序,用于预测器官(如心脏,肾脏,肝脏)和疟疾,肺炎等疾病的发病率。此项目是借助机器学习,深度学习模型和Flask框架进行的。 最低要求 硬盘:500GB 内存:4GB 作业系统:Windows / Linux 先决条件 的Python 3.7 水蟒 VS代码 工具框架 熊猫:用于数据分析。 numpy:执行许多数学运算。 scikit-learn:用于构建机器学习模型。 Tensorfl
所属分类:
其它
发布日期:2021-02-21
文件大小:118489088
提供者:
weixin_42110070
UMSL-源码
UMSL 我从事过的课程/项目的清单。 语言: CS 2750:系统编程-UNIX / C 项目:IPC-工人和主人之间的通信。 CS 4250:编程语言-C 项目:词法分析器 CS 5130:高级算法 本课程的作业: 项目:清洁机器人游戏 CS 5300:人工智能简介 项目:使用前馈神经网络/卷积神经网络检测皮肤癌。 使用imblearn包解决不平衡数据 CS 5340:机器学习 CS 5390:深度学习 项目:哈利·波特的人脸识别 CS 5500:软件工程 项目:Alexa的保健软件
所属分类:
其它
发布日期:2021-02-20
文件大小:40894464
提供者:
weixin_42168830
解释:适合可解释的模型。 讲解黑匣子机器学习-源码
InterpretML-Alpha版本 起初,机器是在黑暗中学习的,而数据科学家则在虚空中挣扎着解释它们。 让它发光。 InterpretML是一个开源软件包,在一个平台下融合了最新的机器学习可解释性技术。 使用此软件包,您可以训练可解释的玻璃箱模型并解释黑箱系统。 InterpretML可帮助您了解模型的整体行为,或了解各个预测背后的原因。 可解释性对于以下方面至关重要: 模型调试-为什么我的模型会犯此错误? 检测公平问题-我的模型有区别吗? 人与人工智能的合作-我如何理解和信任模型
所属分类:
其它
发布日期:2021-02-03
文件大小:887808
提供者:
weixin_42127369