matlab代码保密脑龄
评估各种机器学习模型性能的研究，这些模型用于通过基于功能磁共振成像的多种生物标记和认知行为表现来预测一个人的大脑年龄。
结果概述：
先决条件
所有功能都是用matlab编写的。
分析说明
使用一系列认知测试对行为测度进行了预测，预测了各个年龄段的约100名健康成年人的大脑年龄，使用了各自的功能磁共振成像数据计算了他们的功能连通性概况，并使用，计算了每个人的fMRI数据，这也是从每个人的功能磁共振成像数据得出的。
创建并比较了许多回归模型，以查看它们如何处理少量主题和许多功能。
这些包括：
二次模型回归
一般线性模型回归
偏最小二乘回归
森林随机回归
支持向量回归
通过使用嵌套的交叉验证结构来防止过度拟合，从而实现了预测。
结果发现，支持向量回归和偏最小二乘回归能够胜过其他方法，在受试者实际年龄和预测年龄之间平均误差为7.4年。
出于患者机密原因，此处未包含数据
档案文件
age_predict_master.m-运行所有模型的脚本
/
model_functions-每种模型类型的脚本
-
nested_fcn_quadratic_model_February
2021-10-01 19:00:36
16KB
1
机器学习方法在源代码质量预测上的应用，李心达，钱旭，本文研究当前源代码的质量的检测方法，并探索了机器学习算法在软件源代码代码质量以及安全特性方面的应用。以公共数据MDP数据集为
2021-09-30 15:59:43
508KB
1
之前的那个是传统的方法，比如线性规划等。这个主要是自适应模型，包括了监督学习，强化学习等。自己辛苦整理
2021-09-22 16:19:58
1.34MB
1
本文将传统的机器学习模型（即支持向量机，k最近邻，决策树和随机森林）与前馈神经网络和长短期记忆进行了比较。 我们观察到两个神经网络比传统模型具有更高的精度。 本文还试图弄清辍学是否可以提高神经网络的准确性。 我们观察到，对于前馈神经网络，在某些情况下应用辍学可能会导致更好的性能，而在其他情况下则会导致更差的性能。 辍学对LSTM模型的影响很小。 因此，使用辍学不能保证更高的准确性。
2021-08-18 19:48:15
523KB
1
学习基于声纳图像的机器学习分类时使用的整套资料，包括数据集、提取方法说明及使用学习机器学习分类的全过程记录，对新手非常友好
2021-07-22 22:06:21
2.04MB
1