Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorMayo, Michael
dc.contributor.authorKoutný, Tomáš
dc.date.accessioned2021-02-15T11:00:17Z-
dc.date.available2021-02-15T11:00:17Z-
dc.date.issued2020
dc.identifier.citationMAYO, M., KOUTNÝ, T. Neural Multi-class Classification Approach to Blood Glucose Level Forecasting with Prediction Uncertainty Visualisation. In: The 5th International Workshop onKnowledge Discovery in Healthcare Data (KDH). Německo: CEUR Workshop Proceedings (CEUR-WS.org), 2020. s. 80-84. ISSN 1613-0073.cs
dc.identifier.issn1613-0073
dc.identifier.uri2-s2.0-85093856908
dc.identifier.urihttp://hdl.handle.net/11025/42678
dc.description.abstractNavrhli jsme metodu založenou na strojovém učení pro predikci hladiny glukózy v krvi třicet a šedesát minut předem na základě vysoce multiklasové klasifikace (na rozdíl od tradičnějšího regresního přístupu). Výhodou tohoto přístupu je možnost modelování a vizualizace nejistoty predikce v celém rozsahu hladin glukózy v krvi bez parametrických předpokladů, jako je normálnost. K demonstraci přístupu jsme použili dlouhodobý klasifikátor neuronových sítí založený na paměti ve spojení s technikou předzpracování dat specifických pro krevní glukózu (transformace rizikové domény) k trénování sady modelů a generování předpovědí pro BGLP 2018 a 2020. Uvádíme výsledky numerické přesnosti spolu s příklady vizualizace nejistoty možné pomocí této technikycs
dc.format5 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherCEUR Workshop Proceedings (CEUR-WS.org)en
dc.relation.ispartofseriesThe 5th International Workshop onKnowledge Discovery in Healthcare Data (KDH)en
dc.rightsPlný text je přístupný v rámci univerzity přihlášeným uživatelům.cs
dc.rights© CEURen
dc.subjectdiabetes, glukóza, monitorace, predikce, simulace, neuronová síťcs
dc.titleNeural Multi-class Classification Approach to Blood Glucose Level Forecasting with Prediction Uncertainty Visualisationen
dc.title.alternativeNeurální vícetřídový klasifikační přístup k prognózování hladiny glukózy v krvi s vizualizací nejistoty předpovědics
dc.typekonferenční příspěvekcs
dc.typeconferenceObjecten
dc.rights.accessrestrictedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedA machine learning-based method for blood glucose level prediction thirty and sixty minutes in advance based on highly multiclass classification (as opposed to the more traditional regression approach) is proposed. An advantage of this approach is the possibility of modelling and visualising the uncertainty of a prediction across the entire range of blood glucose levels without parametric assumptions such as normality. To demonstrate the approach, a long-short term memory-based neural network classifier is used in conjunction with a blood glucose-specific data preprocessing technique (risk domain transform) to train a set of models and generate predictions for the 2018 and 2020 Blood Glucose Level Prediction Competition datasets. Numeric accuracy results are reported along with examples of the uncertainty visualisation possible using this technique.en
dc.subject.translateddiabetesen
dc.subject.translatedglucoseen
dc.subject.translatedmonitoringen
dc.subject.translatedpredictionen
dc.subject.translatedneural networken
dc.type.statusPeer-revieweden
dc.identifier.obd43930338
dc.project.IDLO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnostcs
Vyskytuje se v kolekcích:Konferenční příspěvky / Conference Papers (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
doc. Koutný paper13.pdf771,29 kBAdobe PDFZobrazit/otevřít  Vyžádat kopii
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/42678

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD