研究人员使用语音数据比较了统计模型和神经网络混合效应模型在跟踪帕金森病进展方面的表现。研究发现，在小队列研究中，传统的广义加性混合模型 (GAMMs) 优于更灵活的神经网络模型，预测误差更低。这表明可解释的统计模型更适用于小规模纵向研究，而神经网络方法可能需要更大的数据集才能避免过拟合。 AI
影响 表明可解释的统计模型可能比神经网络更适用于小型纵向医疗数据集。
排序理由 学术论文比较统计模型和神经网络建模方法。
- arXiv
- Generalized Neural Network Mixed Models
- Neural Mixed Effects models
- Oxford Parkinson's telemonitoring dataset
- Parkinson's disease
- Ran Tong
- Generalized Additive Mixed Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
