Zobrazeno 1 - 10
of 41
pro vyhledávání: '"Koorathota, Sharath"'
Neural biomarkers that can classify or predict disease are of broad interest to the neurological and psychiatric communities. Such biomarkers can be informative of disease state or treatment efficacy, even before there are changes in symptoms and/or
Externí odkaz:
http://arxiv.org/abs/2410.06534
Autor:
Koorathota, Sharath Chandra
Deep learning has become a widely used tool for inference and prediction in neuroscience research. Despite their differences, most neural network architectures convert raw input data into lower-dimensional vector representations that subsequent netwo
Autor:
Koorathota, Sharath, Papadopoulos, Nikolas, Ma, Jia Li, Kumar, Shruti, Sun, Xiaoxiao, Mittal, Arunesh, Adelman, Patrick, Sajda, Paul
Modern transformer-based models designed for computer vision have outperformed humans across a spectrum of visual tasks. However, critical tasks, such as medical image interpretation or autonomous driving, still require reliance on human judgments. T
Externí odkaz:
http://arxiv.org/abs/2308.13969
Cognition in midlife is an important predictor of age-related mental decline and statistical models that predict cognitive performance can be useful for predicting decline. However, existing models struggle to capture complex relationships between ph
Externí odkaz:
http://arxiv.org/abs/2112.14314
Autor:
Koorathota, Sharath, Sloan, Richard P.
We describe techniques and specifications of MATLAB software to process ambulatory electrocardiogram (ECG) data. Through template-based beat identification and simple pattern recognition models on the intervals between regular heart beats, we filter
Externí odkaz:
http://arxiv.org/abs/2005.14115
Autor:
Drori, Iddo, Liu, Lu, Nian, Yi, Koorathota, Sharath C., Li, Jie S., Moretti, Antonio Khalil, Freire, Juliana, Udell, Madeleine
Publikováno v:
NeurIPS Workshop on Meta-Learning, 2019
As a human choosing a supervised learning algorithm, it is natural to begin by reading a text description of the dataset and documentation for the algorithms you might use. We demonstrate that the same idea improves the performance of automated machi
Externí odkaz:
http://arxiv.org/abs/1910.03698
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.