Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.

Chương 1: Khái quát bài toán phân tích chuỗi thời gian lâm sàng: Trong chương ngày, luận văn giới thiệu sơ lược về bài toán phân tích dữ liệu chuỗi thời gian lâm sàng nói chung và bài toán dự đoán sự kiện lâm sàng nói riêng. Bên cạnh đó, luận văn giới thiệu về các phương pháp tiếp cận phổ biến trong...

Full description

Saved in:
Bibliographic Details
Main Author: Nguyễn, Thị Cẩm Vân
Other Authors: Hà, Quang Thụy
Format: Theses and Dissertations
Language:Vietnamese
Published: 2020
Subjects:
Online Access:http://repository.vnu.edu.vn/handle/VNU_123/99724
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Vietnam National University, Hanoi
Language: Vietnamese
id oai:112.137.131.14:VNU_123-99724
record_format dspace
spelling oai:112.137.131.14:VNU_123-997242021-01-13T15:19:02Z Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng. Nguyễn, Thị Cẩm Vân Hà, Quang Thụy Trần, Mai Vũ ĐHQGHN - Trường Đại học Công nghệ Dữ liệu Hệ thống thông tin MIMIC Học sâu trong y tế Bài toán Khoa học máy tính 006.31 Chương 1: Khái quát bài toán phân tích chuỗi thời gian lâm sàng: Trong chương ngày, luận văn giới thiệu sơ lược về bài toán phân tích dữ liệu chuỗi thời gian lâm sàng nói chung và bài toán dự đoán sự kiện lâm sàng nói riêng. Bên cạnh đó, luận văn giới thiệu về các phương pháp tiếp cận phổ biến trong phân tích và dự đoán chuỗi thời gian lâm sàng và các nghiên cứu liên quan.Luận văn đồng thời phân tích các khó khăn và thách thức của bài toán và phát biểu bài toán sẽ triển khai trong luận văn này. Chương 2: Mô hình bộ nhớ dài ngắn hạn hai chiều BiLSTM: Trong chương này, luận văn giới thiệu về mô hình BiLSTM. Đồng thời, luận văn trình bày các kiến thức nền tảng về trí tuệ nhân tạo, các mô hình học sâu cơ sở như mạng nơ-ron hồi quy, bộ nhờ dài ngắn hạn, cơ chế chú ý... và các kĩ thuật xử lý dữ liệu được sử dụng trong luận văn. Chương 3: Mô hình dự đoán sự kiện lâm sàng sử dụng cơ chế Attention kết hợp kĩ thuật BiLSTM: Trong chương này, luận văn đầu tiên giới thiệu về các mô hình đề xuất của luận văn. Chương 4: Thực nghiệm và kết quả: Luận văn trình bày chi tiết về môi trường thực nghiệm, chi tiết các pha trong quá trình triển khai mô hình, các kịch bản thực nghiệm và tham số của mô hình. Luận văn đồng thời trình bày chi tiết kết quả đạt được và đưa ra nhận xét. Trình bày tổng kết lại các đóng góp của luận văn và các kết quả đã đạt được. Các điểm hạn chế cũng như kế hoạch cải tiến mô hình đề xuất trong tương lai sẽ được trình bày trong chương này. Hệ thống thông tin 2020-12-23T02:15:45Z 2020-12-23T02:15:45Z 2019 Thesis 00050011014 Nguyễn, T. C. V. (2019). Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng. Luận văn thạc sỹ, Đại học Quốc gia Hà Nội, Việt Nam 60.48.01.04 http://repository.vnu.edu.vn/handle/VNU_123/99724 NG-V vi 54 tr. application/pdf
institution Vietnam National University, Hanoi
building VNU Library & Information Center
continent Asia
country Vietnam
Vietnam
content_provider VNU Library and Information Center
collection VNU Digital Repository
language Vietnamese
topic Dữ liệu
Hệ thống thông tin
MIMIC
Học sâu trong y tế
Bài toán
Khoa học máy tính
006.31
spellingShingle Dữ liệu
Hệ thống thông tin
MIMIC
Học sâu trong y tế
Bài toán
Khoa học máy tính
006.31
Nguyễn, Thị Cẩm Vân
Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
description Chương 1: Khái quát bài toán phân tích chuỗi thời gian lâm sàng: Trong chương ngày, luận văn giới thiệu sơ lược về bài toán phân tích dữ liệu chuỗi thời gian lâm sàng nói chung và bài toán dự đoán sự kiện lâm sàng nói riêng. Bên cạnh đó, luận văn giới thiệu về các phương pháp tiếp cận phổ biến trong phân tích và dự đoán chuỗi thời gian lâm sàng và các nghiên cứu liên quan.Luận văn đồng thời phân tích các khó khăn và thách thức của bài toán và phát biểu bài toán sẽ triển khai trong luận văn này. Chương 2: Mô hình bộ nhớ dài ngắn hạn hai chiều BiLSTM: Trong chương này, luận văn giới thiệu về mô hình BiLSTM. Đồng thời, luận văn trình bày các kiến thức nền tảng về trí tuệ nhân tạo, các mô hình học sâu cơ sở như mạng nơ-ron hồi quy, bộ nhờ dài ngắn hạn, cơ chế chú ý... và các kĩ thuật xử lý dữ liệu được sử dụng trong luận văn. Chương 3: Mô hình dự đoán sự kiện lâm sàng sử dụng cơ chế Attention kết hợp kĩ thuật BiLSTM: Trong chương này, luận văn đầu tiên giới thiệu về các mô hình đề xuất của luận văn. Chương 4: Thực nghiệm và kết quả: Luận văn trình bày chi tiết về môi trường thực nghiệm, chi tiết các pha trong quá trình triển khai mô hình, các kịch bản thực nghiệm và tham số của mô hình. Luận văn đồng thời trình bày chi tiết kết quả đạt được và đưa ra nhận xét. Trình bày tổng kết lại các đóng góp của luận văn và các kết quả đã đạt được. Các điểm hạn chế cũng như kế hoạch cải tiến mô hình đề xuất trong tương lai sẽ được trình bày trong chương này.
author2 Hà, Quang Thụy
author_facet Hà, Quang Thụy
Nguyễn, Thị Cẩm Vân
format Theses and Dissertations
author Nguyễn, Thị Cẩm Vân
author_sort Nguyễn, Thị Cẩm Vân
title Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
title_short Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
title_full Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
title_fullStr Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
title_full_unstemmed Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
title_sort các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.
publishDate 2020
url http://repository.vnu.edu.vn/handle/VNU_123/99724
_version_ 1690729448371912704