Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: Heterogeneous versus Homogeneous Machine Learning Ensembles

Publikācijas veids Publikācija RTU zinātniskajā žurnālā
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā Heterogeneous versus Homogeneous Machine Learning Ensembles
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Aleksandra Petrakova
Michael Affenzeller
Gaļina Merkurjeva
Atslēgas vārdi Classification task, ensemble modelling, machine learning, majority voting.
Anotācija The research demonstrates efficiency of the heterogeneous model ensemble application for a cancer diagnostic procedure. Machine learning methods used for the ensemble model training are neural networks, random forest, support vector machine and offspring selection genetic algorithm. Training of models and the ensemble design is performed by means of HeuristicLab software. The data used in the research have been provided by the General Hospital of Linz, Austria.
DOI: 10.1515/itms-2015-0021
Atsauce Petrakova, A., Affenzeller, M., Merkurjeva, G. Heterogeneous versus Homogeneous Machine Learning Ensembles. Information Technology and Management Science. Nr.18, 2015, 135.-140.lpp. ISSN 2255-9086. e-ISSN 2255-9094. Pieejams: doi:10.1515/itms-2015-0021
Pilnais teksts Pilnais teksts
ID 22132