Active Learning to Minimize the Possible Risk of Future Epidemics
Lingua: inglese
Editore: Springer, Berlin|Springer Nature Singapore|Springer, 2024
Serie: Libro 309 di 472 - SpringerBriefs in Applied Sciences and Technology
- Brossura
- Nuovo
Condizione: Nuovo
EUR 43,98
Quantità: Più di 20 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Future epidemics are inevitable, and it takes months and even years to collect fully annotated data. The sheer magnitude of data required for machine learning algorithms, spanning both shallow and deep structures, raises a fundamental question: how big d.
Codice articolo 1117411834
- Titolo
- Active Learning to Minimize the Possible Risk of Future Epidemics
- Autore
- Santosh, KC|Nakarmi, Suprim
- Editore
- Springer, Berlin|Springer Nature Singapore|Springer
- Anno di pubblicazione
- 2024
- Condizione
- New
- Rilegatura
- Brossura
- Lingua
- inglese
- ISBN 10
- 9819974410
- ISBN 13
- 9789819974412
- Serie
- Libro 309 di 472: SpringerBriefs in Applied Sciences and Technology
Future epidemics are inevitable, and it takes months and even years to collect fully annotated data. The sheer magnitude of data required for machine learning algorithms, spanning both shallow and deep structures, raises a fundamental question: how big data is big enough to effectively tackle future epidemics? In this context, active learning, often referred to as human or expert-in-the-loop learning, becomes imperative, enabling machines to commence learning from day one with minimal labeled data. In unsupervised learning, the focus shifts toward constructing advanced machine learning models like deep structured networks that autonomously learn over time, with human or expert intervention only when errors occur and for limited data—a process we term mentoring. In the context of Covid-19, this book explores the use of deep features to classify data into two clusters (0/1: Covid-19/non-Covid-19) across three distinct datasets: cough sound, Computed Tomography (CT) scan, and chest x-ray (CXR). Not to be confused, our primary objective is to provide a strong assertion on how active learning could potentially be used to predict disease from any upcoming epidemics. Upon request (education/training purpose), GitHub source codes are provided.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Prof. KC Santosh, a highly accomplished AI expert, is the chair of the Department of Computer Science, University of South Dakota. He served the National Institutes of Health as a research fellow. Before that, he worked as a postdoctoral research scientist at the LORIA research centre, Universitè de Lorraine in direct collaboration with industrial partner, ITESOFT, France. He earned his PhD in Computer Science - Artificial Intelligence from INRIA Nancy Grand East Research Centre (France). With funding of over $1.3 million, including a $1 million grant from DEPSCOR (2023) for AI/ML capacity building at USD, he has authored 10 books and published over 240 peer-reviewed research articles. He is an associate editor of multiple prestigious journals such as IEEE Transactions on AI, Int. J of Machine Learning & Cybernetics, and Int. J of Pattern Recognition & Artificial Intelligence. To name a few, Prof. Santosh is the proud recipient of the Cutler Award for Teaching and Research Excellence (USD, 2021), the President's Research Excellence Award (USD, 2019) and the Ignite Award from the U.S. Department of Health & Human Services (HHS, 2014). As the founder of AI programs at USD, he has taken significant strides to increase enrolment in the graduate program, resulting in over 3,000% growth in just three years. His leadership has helped build multiple inter-disciplinary AI/Data Science related academic programs, including collaborations with Biology, Physics, Biomedical Engineering, Sustainability and Business Analytics departments. Prof. Santosh is highly motivated in academic leadership, and his contributions have established USD as a pioneer in AI programs within the state of SD. More info. https://kc-santosh.org/.
Mr. Suprim Nakarmi is a research fellow for the Applied AI research lab, Department of Computer Science at the University of South Dakota. His research focuses on active learning, specifically addressing the pressing global issue of future epidemics.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
moluna
Greven, Germania
Venditore AbeBooks dal 9 luglio 2020
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 26 a 60 giorni lavorativi | Da 26 a 60 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 48,99 | EUR 48,99 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Descrizione dello Store
Online Handel nur mit Neubüchern
Informazioni sull’azienda del venditore
Moluna GmbH
Engberdingdamm 27
Greven, Germania 48268
Condizioni di vendita
Editoriale
Riconoscimento legale degli offerenti:
Moluna GmbH
rappresentata dall'amministratore Helge Blischke
Engberdingdamm 27
48268 Greven
Germania
Telefono: 02571/5698933
Fax: 02571/5698930
E-Mail: abe@moluna.de
P. IVA: DE296281834
iscritta nel registro delle imprese del tribunale Steinfurt
numero di registro delle imprese HRB 10553
Siamo membri dell’iniziativa “FairCommerce” dal 24.07.2015.
Per ulteriori informazioni, vedere www.haendlerbund.de/faircommerce.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a moluna, Greven, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.