Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "eksploracja danych" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Podbaza

Wyrównaj
Wyświetlanie 1-15 z 83
Tytuł:
ZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO ANALIZY POKERA ONLINE
APPLICATION OF CLASSIFICATION TREES TO ANALYSE POKER GAME OUTCOME
Autorzy:
Zasłona, Marek
Ząbkowski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/452770.pdf
Data publikacji:
2018
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
eksploracja danych
drzewa klasyfikacyjne
poker
data mining
classification trees
Opis:
Niniejsza publikacja stanowi próbę scharakteryzowania deterministycznych czynników wpływających na wygraną w pokera. Przeprowadzono analizę w oparciu o jedną z metod eksploracji danych – drzewa klasyfikacyjne. Wybór tej techniki podyktowany był wykorzystaniem danych jakościowych jako zmiennych objaśniających rozgrywkę pokerową oraz prostotą prezentacji otrzymanych wyników, nawet przy bardzo rozbudowanych drzewach. W badaniu odkryto kilka czynników, które w istotny sposób mają wpływ na przebieg gry.
The paper aims to characterize key factors determining poker game outcome. The analysis was based on classification trees and this was due to the qualitative data used as the explanatory variables. The method enables clear presentation of the results even in case of very complex tree structures. The study describes also a few other factors that significantly influence the game outcome.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2018, 19, 2; 192-201
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integrating simulation into data mining
Zintegrowana symulacja w eksploracji danych
Autorzy:
Bubeník, P.
Horák, F.
Powiązania:
https://bibliotekanauki.pl/articles/339667.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Zarządzania Produkcją
Tematy:
data mining
simulation
CRISP-DM
eksploracja danych
symulacja
CRISPDM
Opis:
This article describes a way to integrate a simulation into a data mining technology, particularly with respect to CRISP-DM standard. Aim of this approach is to enable data mining in various cases, when available data do not meet all the requirements for data mining analysis. Solution is primarily tied to manufacturing companies environment, where there are many processes, that can be simulated, and thus the acquisition of sufficient volume of data for further analysis is possible.
W artykule opisano sposób integracji oprogramowania symulacyjnego z technologią eksploracji danych, z szczególnym uwzględnieniem standardu CRISP-DM. Celem takiego podejścia jest pozyskanie danych w przypadkach, gdy dostępne dane nie spełniają wszystkich wymagań związanych z analizą w systemie eksploracji danych. Zaproponowane rozwiązanie jest przede wszystkim związane z praktyką produkcyjną, gdzie realizowanych jest wiele procesów, które można komputerowo zasymulować, a tym samym można pozyskać wystarczające ilości danych do dalszych analiz.
Źródło:
Zarządzanie Przedsiębiorstwem; 2015, 18, 1; 8-12
1643-4773
Pojawia się w:
Zarządzanie Przedsiębiorstwem
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identyfikacja trendów w polskich mediach na przykładzie kwartalnika „Studia Medioznawcze”. Wykorzystanie narzędzi Big Data
Identification of Trends in the Polish Media on the Example of the Quarterly Studia Medioznawcze. The Use of Big Data Tools
Autorzy:
Pruchnik, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/1205530.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Warszawski. Wydział Dziennikarstwa, Informacji i Bibliologii
Tematy:
Big Data
eksploracja danych
media
PwC
trend
data mining
Opis:
Rynek mediów rozwija się dynamicznie, dlatego ważne jest właściwe prognozowanie trendów. Cel/teza: Celem artykułu jest identyfikacja trendów w polskich mediach. Metody badań: W artykule zaprezentowano unikalną metodykę rafinacji informacji Big Data do analizy trendów w mediach. Jako materiał źródłowy posłużyły teksty zamieszczone w kwartalniku „Studia Medioznawcze”. Do analizy wykorzystano narzędzia eksploracji danych oraz Big Data. Wyniki i wnioski: Sformułowano własną prognozę trendów mediów na bazie publikacji naukowych i porównano ją z przygotowaną przez firmę konsultingową PwC. Wartość poznawcza: Wyniki wykazują znaczne rozbieżności. Najbardziej perspektywiczne dziedziny w raporcie PwC – VR (virtual reality) oraz OTT (over the top) – nie mają potwierdzenia w artykułach naukowych.
The media market is developing dynamically; therefore, it is important to forecast trends correctly. Scientific objective: The aim of the paper is to identify trends in the Polish media. Research methods: The paper presents a unique methodology of information extracting—Big Data for analyzing trends in the media. The source material were the texts published in the quarterly Studia Medioznawcze. The Big Data tools have been used for the analysis. Results and conclusions: Author’s forecast of media trends based on scientific publications have been formulated, and it was compared with the one prepared by the consulting company PwC. Cognitive value: The results show significant discrepancies. The most promising areas in the PwC Report Forecasts VR and OTT have no confirmation in scientific papers.
Źródło:
Studia Medioznawcze; 2020, 1; 412-428
2451-1617
Pojawia się w:
Studia Medioznawcze
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie eksploracji danych do wykrywania nadużyć w systemach biznesowych
Fraud detection business systems using data mining method
Autorzy:
Gruber, Jacek
Jóźwiak, Ireneusz J.
Misio, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/326675.pdf
Data publikacji:
2013
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
eksploracja danych
system biznesowy
Statistica
data exploration
business system
Opis:
Artykuł zawiera opis przykładu użycia metod eksploracji danych do wykrywania nadużyć w systemach biznesowych IT. Przedstawiono wybrane metody eksploracyjne – k-najbliższych sąsiadów, drzewa wzmacniane, sieci neuronowe, drzewa CHAID, drzewa C&RT, MARSplines. Metody te zastosowano do zbudowania projektu eksploracyjnego w programie STATISTICA 10 PL. Do badań użyto danych z konkursu KDD Cup 99. Zawierają one symulowane ataki w komputerowej sieci wojskowej.
This paper describes how to use the method of data mining methods to detect fraud. Several useful for fraud detection data mining methods described in this article, namely: k-nearest neighbor, wood-reinforced, neural networks, trees, CHAID, C & RT tree, MARSplines. These methods have been used to build the project exploration in STATISTICA 10 PL. Usefulness of these methods to detect attacks on computer network. The study used data from the KDD Cup 99 competition. These data include simulated attacks on military networks.
Źródło:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2013, 64; 61-71
1641-3466
Pojawia się w:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Credit Risk Management Using Automatic Machine Learning
Autorzy:
Gaweł, Bartłomiej
Paliński, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/2037439.pdf
Data publikacji:
2020
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
data mining
scoring
credit
loan
eksploracja danych
kredyt
pożyczka
Opis:
The article presents the basic techniques of data mining implemented in typical commercial software. They were used to assess the risk of credit card debt repayment. The article assesses the quality of classification models derived from data mining techniques and compares their results with the traditional approach using a logit model to assess credit risk. It turns out that data mining models provide similar accuracy of classification compared to the logit model, but they require much less work and facilitate the automation of the process of building scoring models.
Źródło:
Decision Making in Manufacturing and Services; 2020, 14, 2; 193-208
1896-8325
2300-7087
Pojawia się w:
Decision Making in Manufacturing and Services
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza przemieszczeń pala w sprężystym ośrodku trójwarstwowym przy użyciu funkcji MARS
Analysis of pile displacements in the three-layered elastic medium with use of the MARS functions
Autorzy:
Kania, M. M.
Kubzdela, A.
Powiązania:
https://bibliotekanauki.pl/articles/350486.pdf
Data publikacji:
2011
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
geotechnika
eksperyment numeryczny
eksploracja danych
geotechnics
numerical experiment
data mining
Opis:
Pale fundamentowe stosowane są w podłożu z warstwami o dużej ściśliwości, przy znacznych różnicach modułów odkształcenia poszczególnych warstw. Przemieszczenia głowic pali zależą od położenia, grubości i wielkości parametrów geotechnicznych warstw. Wpływ tych czynników na przemieszczenia pala był analizowany przy użyciu metody elementów skończonych w zadaniu osiowosymetrycznym dla modelu liniowo sprężystego, poprzez wieloczynnikowy eksperyment numeryczny. Obliczenia zostały przeprowadzone dla różnych kombinacji takich czynników, jak pionowy rozkład modułów sprężystości i wymiary poszczególnych warstw. Wynikiem eksperymentu numerycznego był obszerny zbiór danych, których analizę przeprowadzono za pomocą stosunkowo nowej techniki regresji nieparametrycznej o nazwie Wieloraka Adaptacyjna Regresja Sklejana (MARS). W artykule przedstawiono szczegółową dyskusję zależności między poszczególnymi czynnikami eksperymentu numerycznego, ustalonych metodą MARS.
Pile foundations are used on sites with compressible soils. In some cases a pile passes through layers having large differences in soil modulus values. Displacements of a pile toe depends on position, thickness and geotechnical properties of soil layers. Influence of those factors on displacements of the pile has been investigated by the finite element method analysis the axially-symmetrical elastic problem, in the multi-factorial numerical experiment. The computations were conducted for various combinations of the main factors, such as: modulus of elasticity distribution in the three-layered medium and dimensions of particular layers. As the result of the numerical experiment, substantial amount of data was collected. The way to improve understanding of the investigated relationships, was application of a relatively novel exploratory analysis technique: Multivariate Adaptive Regression Splines (MARs). Detailed discussion of the factorial interactions in received MARs approximation is presented in the paper.
Źródło:
Górnictwo i Geoinżynieria; 2011, 35, 2; 319-324
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multidimensional clustering data visualization using k-medoids algorithm
Autorzy:
Kocyba, J.
Jach, T.
Nowak-Brzezińska, A.
Powiązania:
https://bibliotekanauki.pl/articles/951647.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
cluster analysis
data mining
K-medoids
BUPA
analiza skupień
eksploracja danych
Opis:
The article presents the possibilities of using clustering algorithms to group and visualize data from blood tests of various people in the context of alcohol consumption impact on measured blood parameters. The presented results should be considered as the preliminary to the future works involving automatic visualization of medical data by using clustering algorithms. The authors present the results of clustering of the above data using k-medoids algorithm along with the proposition of visualization. The authors used as a set of input data "BUPA liver disorders" medical base taken from the Machine Learning Repository [7].
Źródło:
Journal of Medical Informatics & Technologies; 2013, 22; 63-70
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Eksploracja danych optometrycznych w środowisku R. Cz. 2
Autorzy:
Szuba, Robert
Liberacka, Ewa
Powiązania:
https://bibliotekanauki.pl/articles/22868476.pdf
Data publikacji:
2023
Wydawca:
M2 Media
Tematy:
dokumentacja medyczna
opieka zdrowotna
eksploracja danych medycznych
narząd wzroku
choroba oczu
Opis:
Opieka zdrowotna w większości krajów rozwija się w bardzo szybkim tempie. Skutkiem tego dynamicznego rozwoju jest generowanie ogromnej ilości danych. Pochodzą one m.in. z dokumentacji medycznych prowadzonych od urodzenia, zawierających często szczegółowe wyniki badań, opis chorób oraz historię stosowanych leków, raportów administracyjnych oraz wyników analiz porównawczych. Natomiast samo gromadzenie danych nie wykorzystuje w pełni potencjału wiedzy ukrytej w takich zbiorach [1].
Źródło:
Optyka; 2023, 5; 60-62
2081-1268
Pojawia się w:
Optyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Sensor Fusion and Data Mining for Prediction of Methane Concentration in Coal Mines
Zastosowanie fuzji danych z czujników i eksploracji danych w prognozowaniu stężenia metanu w kopalniach węgla
Autorzy:
Zagorecki, A.
Powiązania:
https://bibliotekanauki.pl/articles/1362008.pdf
Data publikacji:
2015
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
eksploracja danych
badanie danych
prognozowanie
wybuchy metanu
data mining
data science
prediction
methane outbursts
Opis:
In recent years we have experienced unprecedented increase of use of sensors in many industrial applications. Modern sensors are capable of not only generating large volumes of data but as well transmit ting that data through network and storing it for further analysis. These enable to create systems capable of real-time data fusion in order to predict events of interest. The goal of this work is to predict methane concentration levels in coal mines using data fusion and data mining techniques. The paper describes an application of a generic method that can be applied to arbitrary set of multivariate time series data in order to perform classification or regression tasks. The solution presented here was developed within the framework of IJCRS‘15 data mining competition and resulted in the winning model outperforming other solutions.
W ostatnich latach można było zaobserwować niespotykany wzrost użycia czujników w wielu zastosowaniach przemysłowych. Nowoczesne czujniki są w stanie nie tylko generować duże ilości danych, lecz równie ż przysyłać te dane za pomocą sieci i przechowywać je do późniejszej analizy. Umożliwia to opracowanie systemów do łączenia danych w czasie rzeczywistym w celu prognozowania określonych zdarzeń. Celem niniejszej pracy jest prognozowanie poziomów stężenia m etanu w kopalniach węgla za pomoc ą technik fuzji danych i eksploracji danych. Artykuł przedstawia zastosowanie generycznej metody, która może być użyta do dowolnego zbioru danych wielowymiarowych szeregów czasowych w celu przeprowadzenia zadań klasyfikacji lub regresji. Zaprezentowane rozwiązanie zostało opracowane w ramach konkursu eksploracji danych IJCRS’15 i – pokonując inne rozwiązania – zostało jego zwycięzcą.
Źródło:
Mining – Informatics, Automation and Electrical Engineering; 2015, 53, 4; 33-38
2450-7326
2449-6421
Pojawia się w:
Mining – Informatics, Automation and Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hurtownie danych i eksploracja danych w prognozowaniu popytu na gaz i usługi magazynowania gazu
Data warehouses and data mining in forecasting the demand for gas and gas storage services
Autorzy:
Paliński, A.
Powiązania:
https://bibliotekanauki.pl/articles/1835199.pdf
Data publikacji:
2018
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
eksploracja danych
przemysł gazowniczy
prognozowanie
data mining
oil and gas industry
forecasting
Opis:
W artykule zaprezentowano tendencje światowe dotyczące hurtowni danych i eksploracji danych w przemyśle naftowym i gazowniczym oraz potwierdzono możliwości wykorzystania narzędzi zaawansowanej eksploracji danych do prognozowania popytu na paliwo gazowe i usługi podziemnego magazynowania gazu na polskim rynku. W ramach testowania użyteczności oprogramowania do eksploracji danych, zbudowano model prognozujący odbiór gazu z polskich podziemnych magazynów gazu. Uzyskane prognozy mają wysoką trafność, a użycie kreatorów wbudowanych w oprogramowanie zminimalizowało nakłady pracy i pozwoliło na automatyzację procesu budowy modeli.
The article presents world trends regarding data warehousing and data mining in the oil and gas industry and confirmed the possibility of using advanced data mining tools for forecasting natural gas demand and underground gas storage services on the Polish market. As part of data mining software usability testing, we built a model forecasting gas withdrawal from Polish underground gas storage facilities. The achieved forecasts have high accuracy, and the use of wizards embedded in the software, minimized the workload and allowed for the automation of the model building process.
Źródło:
Nafta-Gaz; 2018, 74, 4; 284-289
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie technik eksploracji danych na przykładzie badania popularności wzorców projektowych w serwisie społecznościowym Stackoverflow.com
Autorzy:
Czyczyn-Egird, D.
Wojszczyk, R.
Powiązania:
https://bibliotekanauki.pl/articles/118327.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
sieci społecznościowe
eksploracja danych
wzorce projektowe
social networks
data mining
design patterns
Opis:
Idea sieci społecznościowych jest znana od wielu lat. Jednak dopiero od niedawna nabrały nowego znaczenia, do czego przyczyniła się popularność współczesnych serwisów społecznościowych. Generowana treść przez społeczności jest ogromnym zasobem wiedzy do przeanalizowania. W artykule przedstawiono wyniki badań nad popularnością wzorców projektowych w oparciu o dane zgromadzone w wyspecjalizowanych sieciach społecznościowych. Wyniki badań uzyskano poprzez wykorzystanie technik eksploracji danych.
The idea of social networks has been known for many years. However, only recently took on a new meaning, which was due to the popularity of today's social networks. Social service user-generated content constitutes tremendous stores of knowledge to be analysed. The article presented results of research on the popularity of design patterns on the basis of data gathered in the specialised social networks. The research results were obtained thanks to using data mining techniques.
Źródło:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 10; 81-94
1897-7421
Pojawia się w:
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An alternative extension of the k-means algorithm for clustering categorical data
Autorzy:
San, O. M.
Huynh, V. N.
Nakamori, Y.
Powiązania:
https://bibliotekanauki.pl/articles/907406.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
analiza skupień
dane kategoryczne
eksploracja danych
cluster analysis
categorical data
data mining
Opis:
Most of the earlier work on clustering has mainly been focused on numerical data whose inherent geometric properties can be exploited to naturally define distance functions between data points. Recently, the problem of clustering categorical data has started drawing interest. However, the computational cost makes most of the previous algorithms unacceptable for clustering very large databases. The k-means algorithm is well known for its efficiency in this respect. At the same time, working only on numerical data prohibits them from being used for clustering categorical data. The main contribution of this paper is to show how to apply the notion of "cluster centers'' on a dataset of categorical objects and how to use this notion for formulating the clustering problem of categorical objects as a partitioning problem. Finally, a k-means-like algorithm for clustering categorical data is introduced. The clustering performance of the algorithm is demonstrated with two well-known data sets, namely, soybean disease and nursery databases.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2004, 14, 2; 241-247
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Techniki eksploracji danych w zagadnieniach eksploatacji górniczej złóż węgla kamiennego
Data exploratory techniques in hard coal mining problems
Autorzy:
Brzychczy, E.
Powiązania:
https://bibliotekanauki.pl/articles/350084.pdf
Data publikacji:
2009
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
analiza danych
eksploracja danych
eksploatacja górnicza
węgiel kamienny
data analysis
data mining
hard coal mining
Opis:
Artykuł prezentuje przegląd propozycji wykorzystania technik analizy danych w zagadnieniach eksploatacji górniczej. W pracy opisano proces eksploracji danych. Scharakteryzowano atrybuty danych oraz podano przykłady technik analizy danych w przypadku konkretnych zadań eksploracji. Podkreślono również istotną rolę modelu eksploracji danych, który można utworzyć na podstawie znanych już metodologii. W pracy zaprezentowano pokrótce metody Cross-Industry Standard Process for Data Mining (CRISP-DM) oraz SEMMA opracowaną w SAS Institute. W kolejnej części artykułu przedstawiono przykłady zastosowania wybranych technik eksploracji danych w analizie elementów procesu eksploatacji górniczej w postaci: regresji liniowej, sieci neuronowych, drzew decyzyjnych, algorytmów grupowania oraz reguł asocjacyjnych. Całość zakończono podsumowaniem, w którym zwrócono uwagę na potrzebę znajomości technik eksploracji danych dostępnych w popularnym oprogramowaniu, aby móc je właściwie wykorzystać do analizowanych zagadnień.
The paper presents a review of data mining techniques applied to the mining process issues. At the beginning, the need of knowledge discovery is described and the characteristic of data according to the mining process of deposit are given. The importance of information in management of the mining process was emphasized. In the continuation, process of data exploration was described. Attributes of data were characterized as well as the examples of data analysis techniques according to the formulated exploration tasks. The data exploratory model could be created on the basis of the wide know methodologies. In the paper two methodologies were presented: Cross-Industry Standard Process for Data Mining (CRISP-DM) and SEMMA evolved in SAS Institute. In the continuation, examples of the selected exploratory techniques in analysis of the hard coal mining process elements are presented. The following techniques are described: linear regression, neural networks, decision trees, clustering algorithms and association rules. Described techniques were applied to problems such as: methane threat prognosis, longwall gates compression, analysis of longwall equipment, analysis of longwall gate equipment and research on similarity of mining excavations.
Źródło:
Górnictwo i Geoinżynieria; 2009, 33, 3; 65-77
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applying Data Mining and Machine Learning Algorithms to predict symptom development in Parkinsons disease
Stosowanie eksploracji danych i algorytmów uczenia maszynowego do przewidywania rozwoju objawów w chorobie Parkinsona
Autorzy:
Przybyszewski, Andrzej W.
Powiązania:
https://bibliotekanauki.pl/articles/1037828.pdf
Data publikacji:
2014
Wydawca:
Śląski Uniwersytet Medyczny w Katowicach
Tematy:
eksploracja danych
algorytmy uczenia
choroba parkinsona
data mining
machine learning algorithms
parkinson's disease
Opis:
The standard treatment of PD symptoms depends on the experience of a particular neurologist, UPDRS and Hoehn and Yahr scale measurements in order to estimate the stage of PD, the patient’s reports and patient’s responses to medications. All these estimations are to a great extent subjective and determine different treatments in different centers. The purpose of this work was to develop an approach that may more precisely and objectively estimate a patient’s symptoms and in consequence optimize individual PD treatment. We have presented sever-al examples of different methods that make measurements in PD more precise. However, greater precision and objectivity were only the first steps. In addition, all (standard and new) data must be evaluated in an intelligible way in order to better estimate PD symptoms and their developments. We have used data mining and machine learning approaches to mimic the “golden” neurologist’s reasoning.
Standardowe leczenie objawów PD zależy od doświadczenia danego neurologa oraz wyników pomiarów w skalach UPDRS oraz Hoehn i Yahr , aby ocenić stadium choroby Parkinsona, opinii pacjenta i jego reakcji na leki. Wszystkie oceny stosowane w tym celu są w dużej mierze subiektywne. Celem niniejszej pracy było opracowanie podejścia, które mogłoby bardziej precyzyjnie i obiektywnie oszacować fluktację objawów pacjenta i w konsekwencji optymalizację indywidualnego traktowania PD. Pokazaliśmy kilka przykładów różnych metod, które zwiększają precyzję pomiarów w PD. Trzeba zaznaczyć, że większa precyzja i obiektywność są tylko pierwszym krokiem. Ostatecznie wszystkie dane (otrzymane zarówno nowymi, jak i standardowymi metodami) muszą być porównane w czytelny sposób, aby lepiej ocenić nasilenie i rozwój objawów PD. Użyta metoda eksploracji danych i algorytm uczenia maszynowego mają naśladować „złoty” tok rozumowania neurologa.
Źródło:
Annales Academiae Medicae Silesiensis; 2014, 68, 5; 332-349
1734-025X
Pojawia się w:
Annales Academiae Medicae Silesiensis
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 83

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies