Wilcoxon signed-rank test
PulseAugur coverage of Wilcoxon signed-rank test — every cluster mentioning Wilcoxon signed-rank test across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
WEASEL 2.0 时间序列分类器通过自适应集成规则进行再审视
研究人员重新审视了 WEASEL 2.0 时间序列分类算法，并在 114 个 UCR 数据集上确认了其性能，平均准确率为 0.865。研究发现，下游分类器、特征加权和最大窗口大小规则是稳健的，但最大集成大小规则对于较长序列而言配置过度。这促使开发了一种自适应规则，该规则根据序列长度和类别数量调整集成大小，从而在准确性影响极小的情况下显著减少了内存和计算时间。
-
新型FFCResNet模型实现心电图间隔的精确测量
研究人员开发了一种新颖的快速傅里叶卷积ResNet (FFCResNet) 模型，用于自动心电图分析。该模型在10,646例临床心电图的大型队列中，分别以17.5毫秒和14.8毫秒的平均绝对误差，精确测量了QT和QRS波群时程等关键心电图间隔。尽管存在统计学上的显著偏差，但在窦性心律下，这些偏差仍保持在观察者间变异性之内或接近观察者间变异性。FFCResNet在波形分割方面也表现出强大的性能，P波、QRS波群和T波的Dice分数均超过95%。
-
新的RadiomicNet架构通过可解释的人工智能增强医学图像分割
研究人员开发了RadiomicNet，这是一种新颖的深度学习医学图像分割架构，它集成了手工制作的放射组学特征，以增强可解释性并降低计算需求。这种混合方法使用带有灰度共生矩阵（GLCM）和局部二值模式（LBP）特征的放射组学注意力门（RAG），来指导轻量级MobileNetV2编码器-解码器中的注意力。RadiomicNet在乳腺超声图像（BUSI）数据集和Kvasir-SEG上取得了有竞争力的性能，同时使用的参数比标准的U-Net和U…