Wyniki wyszukiwania - BazTech

Ograniczanie wyników

3 Biocybernetics and Biomedical Engineering

3 Krętowska M.

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: dipolar criterion function

Sortuj według:

Ogranicz wyniki do:

Ensembles of dipolar trees for prediction of survival time

Krętowska M.

Biocybernetics and Biomedical Engineering

2007

Vol. 27, no. 3

67-75

In the paper, the application of random forest for prediction of survival time is presented. The observed data loss function is based on inverse probability of censoring weights. The random forest consists of the sequence of multivariate regression trees created on the base of the learning sets, randomly generated from the given dataset. The applied regression trees use minimization of dipolar criterion function for finding the splits in the internal nodes.

Dipolar regression trees in survival analysis

Krętowska M.

Biocybernetics and Biomedical Engineering

2004

Vol. 24, no. 3

25-33

In this paper a new method for induction of multivariate regression trees is presented. The technique is designed for the survival time prediction and based on given data. The proposed method aims at identification of subgroups of patients with homogenous survival experience i.e. homogenous response for a given treatment. The method allows using information from censored cases for which the exact failure time is unknown. An appropriate degree of generalization is obtained by using a pruning algorithm, which is based on rank correlation coefficient D.

Dipolar neural networks applied to censored survival data

Krętowska M.

Biocybernetics and Biomedical Engineering

2001

Vol. 21, no. 2

55-65

Statistical methods which are usually applied in survival data analysis often require some prior assumptions on the studied phenomena. In the case of the Iack of such knowledge other techniques have been proposed. Among them neural networks have been recently pointed out to be a very promising tool to cope with survival data. In the paper we consider a modular neural network applied to the grouped survival data. A predictor designing procedure is based on a concept of dipoles and exploits a dipolar criterion function. A modification of the training process, which alIows to deal with censored data and to receive "crude" estimates of the conditional failure probabilities, is proposed.

Metody statystyczne zwykle stosowane w analizie przeżyć wymagają przyjęcia wielu założeń a priori o badanym zjawisku. W przypadku braku wiedzy o naturze badanego zjawiska tego typu założenia mogą być nadmiernie ograniczające. Zostały rozwinięte alternatywne metody analizy przeżyć zależne w mniejszym stopniu od założeń początkowych. W tej grupie znaczną rolę mają metody bazujące na sieciach neuropodobnych. W pracy analizowano możliwość wykorzystania modułowych sieci neuropodobnych w analizie przeżyć. Wykorzystuje się tu procedury projektowania sieci neuropodobnych na bazie dipolowej funkcji kryterialnej. Zaproponowano modyfikację procedury uczenia sieci, która pozwala na posługiwanie się danymi cenzorowanymi i wstępne estymowanie wartości prawdopodobieństw warunkowych porażki.