Titre : Machine à vecteur de support

Machine à vecteur de support : Questions médicales fréquentes

Questions fréquentes et termes MeSH associés

Diagnostic 5

#1

Comment les SVM sont-ils utilisés en diagnostic médical ?

Les SVM aident à classer des données médicales pour identifier des maladies à partir de caractéristiques cliniques.
Apprentissage automatique Diagnostic médical
#2

Quels types de données peuvent être analysés par SVM ?

Les SVM peuvent analyser des données d'imagerie, des résultats de tests biologiques et des données cliniques.
Imagerie médicale Tests diagnostiques
#3

Les SVM sont-ils efficaces pour le cancer ?

Oui, les SVM sont utilisés pour classer les types de cancer à partir de données génomiques et cliniques.
Cancer Génomique
#4

Peut-on utiliser SVM pour le diagnostic précoce ?

Oui, les SVM peuvent détecter des biomarqueurs précoces pour des maladies comme le diabète.
Diabète Biomarqueurs
#5

Les SVM peuvent-ils aider à prédire des maladies ?

Oui, ils peuvent prédire la probabilité d'apparition de maladies en fonction de données historiques.
Prédiction des maladies Données historiques

Symptômes 5

#1

Les SVM peuvent-ils identifier des symptômes ?

Oui, ils peuvent analyser des données pour relier des symptômes à des maladies spécifiques.
Symptômes Analyse de données
#2

Comment les SVM traitent-ils les symptômes complexes ?

Les SVM peuvent modéliser des relations non linéaires entre symptômes et maladies pour une meilleure classification.
Symptômes complexes Modélisation
#3

Peut-on utiliser SVM pour des symptômes psychologiques ?

Oui, les SVM sont utilisés pour analyser des données comportementales et identifier des troubles mentaux.
Troubles mentaux Comportement
#4

Les SVM aident-ils à comprendre les symptômes chroniques ?

Oui, ils peuvent identifier des patterns dans les symptômes chroniques pour améliorer le traitement.
Symptômes chroniques Traitement
#5

Les SVM peuvent-ils relier symptômes et facteurs environnementaux ?

Oui, ils peuvent analyser l'impact des facteurs environnementaux sur l'apparition de symptômes.
Facteurs environnementaux Analyse des symptômes

Prévention 5

#1

Les SVM peuvent-ils aider à la prévention des maladies ?

Oui, ils analysent des données pour identifier des facteurs de risque et proposer des mesures préventives.
Prévention des maladies Facteurs de risque
#2

Comment les SVM identifient-ils les populations à risque ?

Ils analysent des données démographiques et cliniques pour cibler les populations vulnérables.
Populations à risque Analyse démographique
#3

Les SVM peuvent-ils évaluer l'impact des interventions préventives ?

Oui, ils modélisent les résultats des interventions pour évaluer leur efficacité préventive.
Interventions préventives Évaluation
#4

Peut-on utiliser SVM pour des campagnes de sensibilisation ?

Oui, ils aident à cibler les messages de sensibilisation en fonction des données de santé publique.
Campagnes de sensibilisation Santé publique
#5

Les SVM peuvent-ils prédire des épidémies ?

Oui, ils analysent des données épidémiologiques pour prédire des épidémies potentielles.
Épidémies Données épidémiologiques

Traitements 5

#1

Les SVM peuvent-ils optimiser les traitements médicaux ?

Oui, ils aident à personnaliser les traitements en fonction des caractéristiques des patients.
Personnalisation des traitements Caractéristiques des patients
#2

Comment les SVM aident-ils à choisir un traitement ?

Ils analysent les données des patients pour recommander le traitement le plus efficace.
Choix du traitement Efficacité des traitements
#3

Les SVM sont-ils utilisés pour évaluer l'efficacité des traitements ?

Oui, ils peuvent modéliser les résultats des traitements pour évaluer leur efficacité.
Évaluation des traitements Résultats cliniques
#4

Peut-on utiliser SVM pour le suivi des traitements ?

Oui, ils permettent de suivre l'évolution des patients et d'ajuster les traitements en conséquence.
Suivi des patients Ajustement des traitements
#5

Les SVM peuvent-ils prédire la réponse au traitement ?

Oui, ils peuvent prédire la réponse d'un patient à un traitement spécifique en fonction de données antérieures.
Réponse au traitement Prédiction

Complications 5

#1

Les SVM peuvent-ils prédire des complications médicales ?

Oui, ils peuvent identifier des facteurs de risque associés à des complications potentielles.
Complications médicales Facteurs de risque
#2

Comment les SVM aident-ils à gérer les complications ?

Ils analysent les données des patients pour anticiper et gérer les complications efficacement.
Gestion des complications Analyse des données
#3

Les SVM peuvent-ils évaluer la gravité des complications ?

Oui, ils modélisent les données cliniques pour évaluer la gravité des complications.
Gravité des complications Modélisation
#4

Peut-on utiliser SVM pour le suivi des complications ?

Oui, ils permettent de suivre l'évolution des complications et d'ajuster les traitements.
Suivi des complications Ajustement des traitements
#5

Les SVM aident-ils à prévenir les complications post-opératoires ?

Oui, ils analysent les données chirurgicales pour identifier les risques de complications post-opératoires.
Complications post-opératoires Analyse chirurgicale

Facteurs de risque 5

#1

Les SVM peuvent-ils identifier des facteurs de risque ?

Oui, ils analysent des données pour identifier des facteurs de risque associés à diverses maladies.
Facteurs de risque Analyse des données
#2

Comment les SVM évaluent-ils l'impact des facteurs de risque ?

Ils modélisent les relations entre facteurs de risque et maladies pour évaluer leur impact.
Impact des facteurs de risque Modélisation
#3

Les SVM peuvent-ils aider à réduire les facteurs de risque ?

Oui, ils peuvent guider des interventions ciblées pour réduire les facteurs de risque identifiés.
Réduction des risques Interventions ciblées
#4

Peut-on utiliser SVM pour des études épidémiologiques ?

Oui, ils sont utilisés pour analyser des données épidémiologiques et identifier des tendances.
Études épidémiologiques Analyse des tendances
#5

Les SVM aident-ils à comprendre les interactions entre facteurs de risque ?

Oui, ils modélisent les interactions complexes entre différents facteurs de risque pour une meilleure compréhension.
Interactions des facteurs de risque Modélisation complexe
{ "@context": "https://schema.org", "@graph": [ { "@type": "MedicalWebPage", "name": "Machine à vecteur de support : Questions médicales les plus fréquentes", "headline": "Machine à vecteur de support : Comprendre les symptômes, diagnostics et traitements", "description": "Guide complet et accessible sur les Machine à vecteur de support : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.", "datePublished": "2024-02-21", "dateModified": "2026-02-10", "inLanguage": "fr", "medicalAudience": [ { "@type": "MedicalAudience", "name": "Grand public", "audienceType": "Patient", "healthCondition": { "@type": "MedicalCondition", "name": "Machine à vecteur de support" }, "suggestedMinAge": 18, "suggestedGender": "unisex" }, { "@type": "MedicalAudience", "name": "Médecins", "audienceType": "Physician", "geographicArea": { "@type": "AdministrativeArea", "name": "France" } }, { "@type": "MedicalAudience", "name": "Chercheurs", "audienceType": "Researcher", "geographicArea": { "@type": "AdministrativeArea", "name": "International" } } ], "reviewedBy": { "@type": "Person", "name": "Dr Olivier Menir", "jobTitle": "Expert en Médecine", "description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale", "url": "/static/pages/docteur-olivier-menir.html", "alumniOf": { "@type": "EducationalOrganization", "name": "Université Paris Descartes" } }, "isPartOf": { "@type": "MedicalWebPage", "name": "Apprentissage machine supervisé", "url": "https://questionsmedicales.fr/mesh/D000069553", "about": { "@type": "MedicalCondition", "name": "Apprentissage machine supervisé", "code": { "@type": "MedicalCode", "code": "D000069553", "codingSystem": "MeSH" }, "identifier": { "@type": "PropertyValue", "propertyID": "MeSH Tree", "value": "L01.224.050.375.530.500" } } }, "about": { "@type": "MedicalCondition", "name": "Machine à vecteur de support", "alternateName": "Support Vector Machine", "code": { "@type": "MedicalCode", "code": "D060388", "codingSystem": "MeSH" } }, "author": [ { "@type": "Person", "name": "Maoxiang Chu", "url": "https://questionsmedicales.fr/author/Maoxiang%20Chu", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Rongfen Gong", "url": "https://questionsmedicales.fr/author/Rongfen%20Gong", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Jing Yang", "url": "https://questionsmedicales.fr/author/Jing%20Yang", "affiliation": { "@type": "Organization", "name": "College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China." } }, { "@type": "Person", "name": "Shanghong Xie", "url": "https://questionsmedicales.fr/author/Shanghong%20Xie", "affiliation": { "@type": "Organization", "name": "School of Statistics, Southwestern University of Finance and Economics, Chengdu, China." } }, { "@type": "Person", "name": "R Todd Ogden", "url": "https://questionsmedicales.fr/author/R%20Todd%20Ogden", "affiliation": { "@type": "Organization", "name": "Department of Biostatistics, Columbia University, New York, NY, United States." } } ], "citation": [ { "@type": "ScholarlyArticle", "name": "Safe screening rules for multi-view support vector machines.", "datePublished": "2023-07-17", "url": "https://questionsmedicales.fr/article/37541164", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.neunet.2023.07.021" } }, { "@type": "ScholarlyArticle", "name": "Learning Performance of Weighted Distributed Learning With Support Vector Machines.", "datePublished": "2023-06-15", "url": "https://questionsmedicales.fr/article/34919528", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1109/TCYB.2021.3131424" } }, { "@type": "ScholarlyArticle", "name": "Ensemble and optimization algorithm in support vector machines for classification of wheat genotypes.", "datePublished": "2024-09-30", "url": "https://questionsmedicales.fr/article/39349934", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1038/s41598-024-72056-0" } }, { "@type": "ScholarlyArticle", "name": "Decoding fMRI data with support vector machines and deep neural networks.", "datePublished": "2023-10-31", "url": "https://questionsmedicales.fr/article/37914001", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.jneumeth.2023.110004" } }, { "@type": "ScholarlyArticle", "name": "A Breast Cancer Image Classification Algorithm with 2c Multiclass Support Vector Machine.", "datePublished": "2023-07-08", "url": "https://questionsmedicales.fr/article/37457494", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1155/2023/3875525" } } ], "breadcrumb": { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "questionsmedicales.fr", "item": "https://questionsmedicales.fr" }, { "@type": "ListItem", "position": 2, "name": "Sciences de l'information", "item": "https://questionsmedicales.fr/mesh/D007254" }, { "@type": "ListItem", "position": 3, "name": "Méthodologies informatiques", "item": "https://questionsmedicales.fr/mesh/D003205" }, { "@type": "ListItem", "position": 4, "name": "Algorithmes", "item": "https://questionsmedicales.fr/mesh/D000465" }, { "@type": "ListItem", "position": 5, "name": "Intelligence artificielle", "item": "https://questionsmedicales.fr/mesh/D001185" }, { "@type": "ListItem", "position": 6, "name": "Apprentissage machine", "item": "https://questionsmedicales.fr/mesh/D000069550" }, { "@type": "ListItem", "position": 7, "name": "Apprentissage machine supervisé", "item": "https://questionsmedicales.fr/mesh/D000069553" }, { "@type": "ListItem", "position": 8, "name": "Machine à vecteur de support", "item": "https://questionsmedicales.fr/mesh/D060388" } ] } }, { "@type": "MedicalWebPage", "name": "Article complet : Machine à vecteur de support - Questions et réponses", "headline": "Questions et réponses médicales fréquentes sur Machine à vecteur de support", "description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.", "datePublished": "2026-05-06", "inLanguage": "fr", "hasPart": [ { "@type": "MedicalWebPage", "name": "Diagnostic", "headline": "Diagnostic sur Machine à vecteur de support", "description": "Comment les SVM sont-ils utilisés en diagnostic médical ?\nQuels types de données peuvent être analysés par SVM ?\nLes SVM sont-ils efficaces pour le cancer ?\nPeut-on utiliser SVM pour le diagnostic précoce ?\nLes SVM peuvent-ils aider à prédire des maladies ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-diagnostic" }, { "@type": "MedicalWebPage", "name": "Symptômes", "headline": "Symptômes sur Machine à vecteur de support", "description": "Les SVM peuvent-ils identifier des symptômes ?\nComment les SVM traitent-ils les symptômes complexes ?\nPeut-on utiliser SVM pour des symptômes psychologiques ?\nLes SVM aident-ils à comprendre les symptômes chroniques ?\nLes SVM peuvent-ils relier symptômes et facteurs environnementaux ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-symptômes" }, { "@type": "MedicalWebPage", "name": "Prévention", "headline": "Prévention sur Machine à vecteur de support", "description": "Les SVM peuvent-ils aider à la prévention des maladies ?\nComment les SVM identifient-ils les populations à risque ?\nLes SVM peuvent-ils évaluer l'impact des interventions préventives ?\nPeut-on utiliser SVM pour des campagnes de sensibilisation ?\nLes SVM peuvent-ils prédire des épidémies ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-prévention" }, { "@type": "MedicalWebPage", "name": "Traitements", "headline": "Traitements sur Machine à vecteur de support", "description": "Les SVM peuvent-ils optimiser les traitements médicaux ?\nComment les SVM aident-ils à choisir un traitement ?\nLes SVM sont-ils utilisés pour évaluer l'efficacité des traitements ?\nPeut-on utiliser SVM pour le suivi des traitements ?\nLes SVM peuvent-ils prédire la réponse au traitement ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-traitements" }, { "@type": "MedicalWebPage", "name": "Complications", "headline": "Complications sur Machine à vecteur de support", "description": "Les SVM peuvent-ils prédire des complications médicales ?\nComment les SVM aident-ils à gérer les complications ?\nLes SVM peuvent-ils évaluer la gravité des complications ?\nPeut-on utiliser SVM pour le suivi des complications ?\nLes SVM aident-ils à prévenir les complications post-opératoires ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-complications" }, { "@type": "MedicalWebPage", "name": "Facteurs de risque", "headline": "Facteurs de risque sur Machine à vecteur de support", "description": "Les SVM peuvent-ils identifier des facteurs de risque ?\nComment les SVM évaluent-ils l'impact des facteurs de risque ?\nLes SVM peuvent-ils aider à réduire les facteurs de risque ?\nPeut-on utiliser SVM pour des études épidémiologiques ?\nLes SVM aident-ils à comprendre les interactions entre facteurs de risque ?", "url": "https://questionsmedicales.fr/mesh/D060388#section-facteurs de risque" } ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Comment les SVM sont-ils utilisés en diagnostic médical ?", "position": 1, "acceptedAnswer": { "@type": "Answer", "text": "Les SVM aident à classer des données médicales pour identifier des maladies à partir de caractéristiques cliniques." } }, { "@type": "Question", "name": "Quels types de données peuvent être analysés par SVM ?", "position": 2, "acceptedAnswer": { "@type": "Answer", "text": "Les SVM peuvent analyser des données d'imagerie, des résultats de tests biologiques et des données cliniques." } }, { "@type": "Question", "name": "Les SVM sont-ils efficaces pour le cancer ?", "position": 3, "acceptedAnswer": { "@type": "Answer", "text": "Oui, les SVM sont utilisés pour classer les types de cancer à partir de données génomiques et cliniques." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour le diagnostic précoce ?", "position": 4, "acceptedAnswer": { "@type": "Answer", "text": "Oui, les SVM peuvent détecter des biomarqueurs précoces pour des maladies comme le diabète." } }, { "@type": "Question", "name": "Les SVM peuvent-ils aider à prédire des maladies ?", "position": 5, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent prédire la probabilité d'apparition de maladies en fonction de données historiques." } }, { "@type": "Question", "name": "Les SVM peuvent-ils identifier des symptômes ?", "position": 6, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent analyser des données pour relier des symptômes à des maladies spécifiques." } }, { "@type": "Question", "name": "Comment les SVM traitent-ils les symptômes complexes ?", "position": 7, "acceptedAnswer": { "@type": "Answer", "text": "Les SVM peuvent modéliser des relations non linéaires entre symptômes et maladies pour une meilleure classification." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour des symptômes psychologiques ?", "position": 8, "acceptedAnswer": { "@type": "Answer", "text": "Oui, les SVM sont utilisés pour analyser des données comportementales et identifier des troubles mentaux." } }, { "@type": "Question", "name": "Les SVM aident-ils à comprendre les symptômes chroniques ?", "position": 9, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent identifier des patterns dans les symptômes chroniques pour améliorer le traitement." } }, { "@type": "Question", "name": "Les SVM peuvent-ils relier symptômes et facteurs environnementaux ?", "position": 10, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent analyser l'impact des facteurs environnementaux sur l'apparition de symptômes." } }, { "@type": "Question", "name": "Les SVM peuvent-ils aider à la prévention des maladies ?", "position": 11, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils analysent des données pour identifier des facteurs de risque et proposer des mesures préventives." } }, { "@type": "Question", "name": "Comment les SVM identifient-ils les populations à risque ?", "position": 12, "acceptedAnswer": { "@type": "Answer", "text": "Ils analysent des données démographiques et cliniques pour cibler les populations vulnérables." } }, { "@type": "Question", "name": "Les SVM peuvent-ils évaluer l'impact des interventions préventives ?", "position": 13, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils modélisent les résultats des interventions pour évaluer leur efficacité préventive." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour des campagnes de sensibilisation ?", "position": 14, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils aident à cibler les messages de sensibilisation en fonction des données de santé publique." } }, { "@type": "Question", "name": "Les SVM peuvent-ils prédire des épidémies ?", "position": 15, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils analysent des données épidémiologiques pour prédire des épidémies potentielles." } }, { "@type": "Question", "name": "Les SVM peuvent-ils optimiser les traitements médicaux ?", "position": 16, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils aident à personnaliser les traitements en fonction des caractéristiques des patients." } }, { "@type": "Question", "name": "Comment les SVM aident-ils à choisir un traitement ?", "position": 17, "acceptedAnswer": { "@type": "Answer", "text": "Ils analysent les données des patients pour recommander le traitement le plus efficace." } }, { "@type": "Question", "name": "Les SVM sont-ils utilisés pour évaluer l'efficacité des traitements ?", "position": 18, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent modéliser les résultats des traitements pour évaluer leur efficacité." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour le suivi des traitements ?", "position": 19, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils permettent de suivre l'évolution des patients et d'ajuster les traitements en conséquence." } }, { "@type": "Question", "name": "Les SVM peuvent-ils prédire la réponse au traitement ?", "position": 20, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent prédire la réponse d'un patient à un traitement spécifique en fonction de données antérieures." } }, { "@type": "Question", "name": "Les SVM peuvent-ils prédire des complications médicales ?", "position": 21, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent identifier des facteurs de risque associés à des complications potentielles." } }, { "@type": "Question", "name": "Comment les SVM aident-ils à gérer les complications ?", "position": 22, "acceptedAnswer": { "@type": "Answer", "text": "Ils analysent les données des patients pour anticiper et gérer les complications efficacement." } }, { "@type": "Question", "name": "Les SVM peuvent-ils évaluer la gravité des complications ?", "position": 23, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils modélisent les données cliniques pour évaluer la gravité des complications." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour le suivi des complications ?", "position": 24, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils permettent de suivre l'évolution des complications et d'ajuster les traitements." } }, { "@type": "Question", "name": "Les SVM aident-ils à prévenir les complications post-opératoires ?", "position": 25, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils analysent les données chirurgicales pour identifier les risques de complications post-opératoires." } }, { "@type": "Question", "name": "Les SVM peuvent-ils identifier des facteurs de risque ?", "position": 26, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils analysent des données pour identifier des facteurs de risque associés à diverses maladies." } }, { "@type": "Question", "name": "Comment les SVM évaluent-ils l'impact des facteurs de risque ?", "position": 27, "acceptedAnswer": { "@type": "Answer", "text": "Ils modélisent les relations entre facteurs de risque et maladies pour évaluer leur impact." } }, { "@type": "Question", "name": "Les SVM peuvent-ils aider à réduire les facteurs de risque ?", "position": 28, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils peuvent guider des interventions ciblées pour réduire les facteurs de risque identifiés." } }, { "@type": "Question", "name": "Peut-on utiliser SVM pour des études épidémiologiques ?", "position": 29, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils sont utilisés pour analyser des données épidémiologiques et identifier des tendances." } }, { "@type": "Question", "name": "Les SVM aident-ils à comprendre les interactions entre facteurs de risque ?", "position": 30, "acceptedAnswer": { "@type": "Answer", "text": "Oui, ils modélisent les interactions complexes entre différents facteurs de risque pour une meilleure compréhension." } } ] } ] }
Dr Olivier Menir

Contenu validé par Dr Olivier Menir

Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale


Validation scientifique effectuée le 10/02/2026

Contenu vérifié selon les dernières recommandations médicales

Auteurs principaux

Maoxiang Chu

2 publications dans cette catégorie

Publications dans "Machine à vecteur de support" :

Rongfen Gong

2 publications dans cette catégorie

Publications dans "Machine à vecteur de support" :

Jing Yang

2 publications dans cette catégorie

Affiliations :
  • College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China.
Publications dans "Machine à vecteur de support" :

Shanghong Xie

1 publication dans cette catégorie

Affiliations :
  • School of Statistics, Southwestern University of Finance and Economics, Chengdu, China.
  • Department of Biostatistics, Columbia University, New York, NY, United States.
Publications dans "Machine à vecteur de support" :

R Todd Ogden

1 publication dans cette catégorie

Affiliations :
  • Department of Biostatistics, Columbia University, New York, NY, United States.
Publications dans "Machine à vecteur de support" :

Chen Ding

1 publication dans cette catégorie

Publications dans "Machine à vecteur de support" :

Tian-Yi Bao

1 publication dans cette catégorie

Publications dans "Machine à vecteur de support" :

He-Liang Huang

1 publication dans cette catégorie

Publications dans "Machine à vecteur de support" :

Alfonso Landeros

1 publication dans cette catégorie

Affiliations :
  • Departments of Computational Medicine, University of California, Los Angeles.
Publications dans "Machine à vecteur de support" :
  • Algorithms for Sparse Support Vector Machines.
    Journal of computational and graphical statistics : a joint publication of American Statistical Association, Institute of Mathematical Statistics, Interface Foundation of North America 2022-12-13

Kenneth Lange

1 publication dans cette catégorie

Affiliations :
  • Departments of Computational Medicine, University of California, Los Angeles.
  • Departments of Human Genetics, University of California, Los Angeles.
  • Departments of Statistics, University of California, Los Angeles.
Publications dans "Machine à vecteur de support" :
  • Algorithms for Sparse Support Vector Machines.
    Journal of computational and graphical statistics : a joint publication of American Statistical Association, Institute of Mathematical Statistics, Interface Foundation of North America 2022-12-13

Liming Liu

1 publication dans cette catégorie

Publications dans "Machine à vecteur de support" :

Li Zhang

1 publication dans cette catégorie

Publications dans "Machine à vecteur de support" :

Zhenqiu Liu

1 publication dans cette catégorie

Affiliations :
  • Department of Public Health Sciences, Penn State College of Medicine, Hershey, PA 17033, USA. Electronic address: zliu@phs.psu.edu.
Publications dans "Machine à vecteur de support" :

David Elashoff

1 publication dans cette catégorie

Affiliations :
  • Department of Medicine, University of California at Los Angeles, CA 90024, USA.
Publications dans "Machine à vecteur de support" :

Steven Piantadosi

1 publication dans cette catégorie

Affiliations :
  • Samuel Oschin Cancer Center, Cedars-Sinai Medical Center, Los Angeles, CA 90048, USA.
Publications dans "Machine à vecteur de support" :

B Pushpa

1 publication dans cette catégorie

Affiliations :
  • Department of Electrical and Electronics Engineering, Annamalai University, Tamil Nadu, India.
Publications dans "Machine à vecteur de support" :

B Baskaran

1 publication dans cette catégorie

Affiliations :
  • Department of Electrical and Electronics Engineering, Faculty of Engineering and Technology, Annamalai University, Chidambaram, Tamil Nadu, India.
Publications dans "Machine à vecteur de support" :

S Vivekanandan

1 publication dans cette catégorie

Affiliations :
  • Managing Director and Liver Transplant Surgeon, Department of HPB and Liver Transplantation, RPS Hospitals, Chennai, Tamil Nadu, India.
Publications dans "Machine à vecteur de support" :

P Gokul

1 publication dans cette catégorie

Affiliations :
  • Department of Biotechnology, Saveetha School of Engineering, Chennai, Tamil Nadu, India.
Publications dans "Machine à vecteur de support" :

Shibabrat Naik

1 publication dans cette catégorie

Affiliations :
  • School of Mathematics, University of Bristol, Fry Building, Woodland Road, Bristol BS8 1UG, United Kingdom.
Publications dans "Machine à vecteur de support" :

Sources (10000 au total)

Decoding fMRI data with support vector machines and deep neural networks.

Multivoxel pattern analysis (MVPA) examines fMRI activation patterns associated with different cognitive conditions. Support vector machines (SVMs) are the predominant method in MVPA. While SVM is int... We compared the two methods when they are applied to the same datasets. Two datasets were considered: (1) fMRI data collected from participants during a cued visual spatial attention task and (2) fMRI... We found that (1) both SVM and CNN are able to achieve above-chance decoding accuracies for attention control and emotion processing in both the primary visual cortex and the whole brain, (2) the CNN ... By comparing SVM and CNN we pointed out the similarities and differences between the two methods.... SVM and CNN rely on different neural features for classification. Applying both to the same data may yield a more comprehensive understanding of neuroimaging data....