Compartir
Predicting the Lineage Choice of Hematopoietic Stem Cells: A Novel Approach Using Deep Neural Networks (Bestmasters) (en Inglés)
Manuel Kroiss (Autor)
·
Springer Spektrum
· Tapa Blanda
Predicting the Lineage Choice of Hematopoietic Stem Cells: A Novel Approach Using Deep Neural Networks (Bestmasters) (en Inglés) - Manuel Kroiss
$ 125.057
$ 131.639
Ahorras: $ 6.582
Elige la lista en la que quieres agregar tu producto o crea una nueva lista
✓ Producto agregado correctamente a la lista de deseos.
Ir a Mis Listas
Origen: Estados Unidos
(Costos de importación incluídos en el precio)
Se enviará desde nuestra bodega entre el
Martes 02 de Julio y el
Martes 16 de Julio.
Lo recibirás en cualquier lugar de Argentina entre 1 y 3 días hábiles luego del envío.
Reseña del libro "Predicting the Lineage Choice of Hematopoietic Stem Cells: A Novel Approach Using Deep Neural Networks (Bestmasters) (en Inglés)"
Manuel Kroiss examines the differentiation of hematopoietic stem cells using machine learning methods. This work is based on experiments focusing on the lineage choice of CMPs, the progenitors of HSCs, which either become MEP or GMP cells. The author presents a novel approach to distinguish MEP from GMP cells using machine learning on morphology features extracted from bright field images. He tests the performance of different models and focuses on Recurrent Neural Networks with the latest advances from the field of deep learning. Two different improvements to recurrent networks were tested: Long Short Term Memory (LSTM) cells that are able to remember information over long periods of time, and dropout regularization to prevent overfitting. With his method, Manuel Kroiss considerably outperforms standard machine learning methods without time information like Random Forests and Support Vector Machines.
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
Todos los libros de nuestro catálogo son Originales.
El libro está escrito en Inglés.
La encuadernación de esta edición es Tapa Blanda.
✓ Producto agregado correctamente al carro, Ir a Pagar.
