|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
Application of ensemble machine learning methods to multidimensional AFM data setsстатья
Дата последнего поиска статьи во внешних источниках: 21 октября 2020 г.
- Авторы: Dokukin M., Dokukina I.
- Журнал: Procedia computer science
- Номер: 169
- Год издания: 2020
- Издательство: Elsevier BV
- Местоположение издательства: Netherlands
- Первая страница: 763
- Последняя страница: 766
- Аннотация: Multidimensional data sets collected with atomic force microscopy on complex biological objects like cells or tissues could be extremely informative. However, due to multidimensionality and unavailability of a large number of samples, processing of such data could be a challenge for automated machine learning methods. Here we discuss an approach based on a reduction of data dimensionality when only a limited number of parameters calculated from each microscopy map are used for machine learning algorithms. This method requires a smaller number of imaged cells, demonstrates higher accuracy of prediction, and provides cell identification that is independent of operator involvement.
- Добавил в систему: Докукина Ирина Владимировна
Прикрепленные файлы
| № | Имя | Описание | Имя файла | Размер | Добавлен |
|---|---|---|---|---|---|
| 1. | Полный текст | 2020_Procedia_Computer_Science_Machine_learning_methods_AFM… | 844,9 КБ | 18 мая 2020 [IrinaDokukina] |