檢索結果(共6筆)
龔千芬;郝沛毅;
頁: 239-276
日期: 2024/04
卷期: 31(2)
關鍵字: 敗血症早期預測;深度學習;模糊支持向量機;醫學訊息學;生成對抗網路;
Keywords: : Sepsis early warning model;Deep learning;Fuzzy support vector machines;Medical informatics;Generative adversarial network;
摘要: 敗血症是一種可能導致死亡的嚴重疾病，根據世界衛生組織的統計，每年大 約有 600 萬人因為敗血症休克而死亡，死亡率高達 50％。敗血症發作的早期預 警和及早的干預治療，可以避免絕大多數的敗血症休克死亡的發生。人工智慧演 算法的蓬勃發展與重症監護病房的大量病患...
引用 導入Endnote
頁: 239-276
日期: 2024/04
卷期: 31(2)
關鍵字: 敗血症早期預測;深度學習;模糊支持向量機;醫學訊息學;生成對抗網路;
Keywords: : Sepsis early warning model;Deep learning;Fuzzy support vector machines;Medical informatics;Generative adversarial network;
摘要: 敗血症是一種可能導致死亡的嚴重疾病，根據世界衛生組織的統計，每年大 約有 600 萬人因為敗血症休克而死亡，死亡率高達 50％。敗血症發作的早期預 警和及早的干預治療，可以避免絕大多數的敗血症休克死亡的發生。人工智慧演 算法的蓬勃發展與重症監護病房的大量病患...
引用 導入Endnote
郝沛毅;龔千芬;
頁: 303-333
日期: 2022/10
卷期: 29(4)
關鍵字: 股價預測;模糊支持向量機;卷積神經網路;雙向長短期記憶體;注意 力機制;
Keywords: Stock prediction;Fuzzy support vector machine;Convolutional neural networks;bi-directional long short-term memory;Attention mechanism.;
摘要: 股價預測是橫跨金融與計算機科學領域的經典預測問題，由於成功預測股價 的潛在好處，它吸引一代又一代的學者與投資者從不同的角度、無數的學理、眾 多的投資策略和不同的實踐經驗來開發各種預測方法。股價預測的困難癥結點在 於影響股票漲跌的因素太多。股市波動通常...
引用 導入Endnote
頁: 303-333
日期: 2022/10
卷期: 29(4)
關鍵字: 股價預測;模糊支持向量機;卷積神經網路;雙向長短期記憶體;注意 力機制;
Keywords: Stock prediction;Fuzzy support vector machine;Convolutional neural networks;bi-directional long short-term memory;Attention mechanism.;
摘要: 股價預測是橫跨金融與計算機科學領域的經典預測問題，由於成功預測股價 的潛在好處，它吸引一代又一代的學者與投資者從不同的角度、無數的學理、眾 多的投資策略和不同的實踐經驗來開發各種預測方法。股價預測的困難癥結點在 於影響股票漲跌的因素太多。股市波動通常...
引用 導入Endnote
龔千芬;龔嘉德;蘇志民;郝沛毅;林奕儒;
頁: 445-476
日期: 2021/10
卷期: 28(4)
關鍵字: 敗血症早期預測;深度學習;模糊支持向量機;臨床決策支持系統;醫學資訊學;
Keywords: Sepsis early prediction;deep learning;fuzzy support vector machines;clinical decision support systems;medical informatics;
摘要: 敗血症是全世界的主要死亡原因，敗血性休克的死亡率高達50％。根據世界衛生組織估計，每年有超過600萬人死於敗血症，早期診斷和治療可以預防大多數的敗血性休克發病與死亡，但是，目前缺乏可靠的早期敗血症智能預測系統。時至今日，在大數據分析的快速發展和重症監護室的...
引用 導入Endnote
頁: 445-476
日期: 2021/10
卷期: 28(4)
關鍵字: 敗血症早期預測;深度學習;模糊支持向量機;臨床決策支持系統;醫學資訊學;
Keywords: Sepsis early prediction;deep learning;fuzzy support vector machines;clinical decision support systems;medical informatics;
摘要: 敗血症是全世界的主要死亡原因，敗血性休克的死亡率高達50％。根據世界衛生組織估計，每年有超過600萬人死於敗血症，早期診斷和治療可以預防大多數的敗血性休克發病與死亡，但是，目前缺乏可靠的早期敗血症智能預測系統。時至今日，在大數據分析的快速發展和重症監護室的...
引用 導入Endnote
郝沛毅;龔千芬;張俊陽;蔣榮先;鄭詠恆;
頁: 495-535
日期: 2020/10
卷期: 27(4)
關鍵字: 事件嵌入;興趣點推薦;矩陣分解;深度學習;卷積神經網路;
Keywords: event embedding;POI recommendation;matrix factorization;deep learning;convolutional neural networks;
摘要: 基於位置的社群網路（LBSN）近來變得十分流行，這歸功於智慧手機的爆炸式增長，使得用戶可以輕鬆地執行LBSN程序。越來越多使用者在這些平台上與好友分享打卡資訊跟生活點滴。興趣點（POI）推薦系統是LBSN的核心服務，也是最近熱門的研究焦點。目前研究主要是分析用戶的打...
引用 導入Endnote
頁: 495-535
日期: 2020/10
卷期: 27(4)
關鍵字: 事件嵌入;興趣點推薦;矩陣分解;深度學習;卷積神經網路;
Keywords: event embedding;POI recommendation;matrix factorization;deep learning;convolutional neural networks;
摘要: 基於位置的社群網路（LBSN）近來變得十分流行，這歸功於智慧手機的爆炸式增長，使得用戶可以輕鬆地執行LBSN程序。越來越多使用者在這些平台上與好友分享打卡資訊跟生活點滴。興趣點（POI）推薦系統是LBSN的核心服務，也是最近熱門的研究焦點。目前研究主要是分析用戶的打...
引用 導入Endnote
郝沛毅;歐仁彬;黃天受;林振穎;吳建生;
頁: 363-395
日期: 2018/10
卷期: 25(4)
關鍵字: 股價預測;情緒分析;潛在狄利克雷分配;文字探勘;模糊理論;支持向量機;
Keywords: stock trend prediction;sentiment analysis;latent dirichlet allocation;text mining;fuzzy theory;support vector machine;
摘要: 能夠成功預測股票漲跌趨勢明顯地有許多好處，根據效率市場假設，公司股票的價值是由當前所有可用的信息給定。當分析師、投資者和機構交易者評估當前股價時，新聞在股價估值過程中發揮重要作用。事實上，金融新聞刊載有關於公司基本面的訊息，和影響市場參與者期望的質化...
引用 導入Endnote
頁: 363-395
日期: 2018/10
卷期: 25(4)
關鍵字: 股價預測;情緒分析;潛在狄利克雷分配;文字探勘;模糊理論;支持向量機;
Keywords: stock trend prediction;sentiment analysis;latent dirichlet allocation;text mining;fuzzy theory;support vector machine;
摘要: 能夠成功預測股票漲跌趨勢明顯地有許多好處，根據效率市場假設，公司股票的價值是由當前所有可用的信息給定。當分析師、投資者和機構交易者評估當前股價時，新聞在股價估值過程中發揮重要作用。事實上，金融新聞刊載有關於公司基本面的訊息，和影響市場參與者期望的質化...
引用 導入Endnote
郝沛毅;歐仁彬;黃天受;楊盛琮;
頁: 185-218
日期: 2018/04
卷期: 25(2)
關鍵字: 線上直播;情緒分析;網路用語;支持向量機;模糊理論;
Keywords: live streaming video;sentiment analysis;web crawler;internet slang;support vector machine;
摘要: 「網路直播平台（live streaming video）」是近年不可被忽視的新興社群媒體平台。相較於一般影音平台乃是透過事先拍攝後進行上傳至網路分享，直播多了「即時性」與「互動性」兩種特性，在直播過程中，實況主能依據觀眾在聊天室的反應，立即做出回應，創造出更多的差異化...
引用 導入Endnote
頁: 185-218
日期: 2018/04
卷期: 25(2)
關鍵字: 線上直播;情緒分析;網路用語;支持向量機;模糊理論;
Keywords: live streaming video;sentiment analysis;web crawler;internet slang;support vector machine;
摘要: 「網路直播平台（live streaming video）」是近年不可被忽視的新興社群媒體平台。相較於一般影音平台乃是透過事先拍攝後進行上傳至網路分享，直播多了「即時性」與「互動性」兩種特性，在直播過程中，實況主能依據觀眾在聊天室的反應，立即做出回應，創造出更多的差異化...
引用 導入Endnote