-
1Academic Journal
المؤلفون: N. I. Kurysheva, A. L. Pomerantsev, O. Ye. Rodionova, G. A. Sharova, Н. И. Курышева, А. Л. Померанцев, О. Е. Родионова, Г. А. Шарова
المصدر: National Journal glaucoma; Том 23, № 2 (2024); 11-18 ; Национальный журнал Глаукома; Том 23, № 2 (2024); 11-18 ; 2311-6862 ; 2078-4104
مصطلحات موضوعية: метод регрессии на главные компоненты, SS-OCT, lens extraction, laser peripheral iridotomy, machine learning, principal component regression method, ленсэктомия, периферическая лазерная иридотомия, машинное обучение
وصف الملف: application/pdf
Relation: https://www.glaucomajournal.ru/jour/article/view/518/461; Friedman DS, Foster PJ, Aung T, He M. Angle closure and angleclosure glaucoma: what we are doing now and what we will be doing in the future. Clin Exp Ophthalmol 2012; 40(4):381-387. https://doi.org/10.1111/j.1442-9071.2012.02774.x; Foster PJ, Buhrmann R, Quigley HA, Johnson GJ. The definition and classification of glaucoma in prevalence surveys. Br J Ophthalmol 2002; 86(2):238-242. https://doi.org/10.1136/bjo.86.2.238; Song MK, Shin JW, Sung KR. Factors Associated with Deterioration of Primary Angle Closure after Lens Extraction. J Clin Med 2022; 11(9):2557. https://doi.org/10.3390/jcm11092557; Song MK, Sung KR, Shin JW, Jo YH, Won HJ. Glaucomatous Progression After Lens Extraction in Primary Angle Closure Disease Spectrum. J Glaucoma 2020; 29(8):711-717. https://doi.org/10.1097/IJG.0000000000001537; Bo J, Changulani T, Cheng ML, Tatham AJ. Outcome Following Laser Peripheral Iridotomy and Predictors of Future Lens Extraction. J Glaucoma 2018; 27(3):275-280. https://doi.org/10.1097/IJG.0000000000000863; Fröhlich, H., Balling, R., Beerenwinkel, N. et al. From hype to reality: data science enabling personalized medicine. BMC Med 2018; 16:150. https://doi.org/10.1186/s12916-018-1122.; Wilkinson J, Arnold KF, Murray EJ, et al. Time to reality check the promises of machine learning-powered precision medicine. Lancet Digit Health 2020; 2(12):e677-e680. https://doi.org/10.1016/S2589-7500(20)30200-4; Zhang Y, Zhang Q, Li L, et al. Establishment and Comparison of Algorithms for Detection of Primary Angle Closure Suspect Based on Static and Dynamic Anterior Segment Parameters. Transl Vis Sci Technol 2020; 9(5):16. https://doi.org/10.1167/tvst.9.5.16; Kim SJ, Cho KJ, Oh S. Development of machine learning models for diagnosis of glaucoma. PLoS One 2017; 12(5):e0177726. https://doi.org/10.1371/journal.pone.0177726; Rahimy E. Deep learning applications in ophthalmology. Curr Opin Ophthalmol 2018; 29(3):254-260. https://doi.org/10.1097/ICU.0000000000000470; Чупров А.Д., Борщук Е.Л., Бегун Д.Н., Болодурина И.П., Гришина Л.С., Лосицкий А.О. Метод оценки потребности и типа повторной операции при хирургическом лечении глаукомы с применением искусственной нейронной сети. Офтальмохирургия 2022; 4S:40-50. https://doi.org/10.25276/0235-4160-2022-4S-40-50; Pomerantsev A.L., Rodionova O.Ye. New trends in qualitative analysis: Performance, optimization, and validation of multi-class and soft models. Trends Anal Chem 2021; 143:116372. https://doi.org/10.1016/j.trac.2021.116372; Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А. Методы машинного обучения в сравнительной оценке различных подходов к хирургическому лечению первичного закрытия угла передней камеры глаза. Офтальмология 2022; 19(3):549-556. https://doi.org/10.18008/1816-5095-2022-3-549-556; Курышева Н.И., Родионова О.Е., Померанцев А.Л., Шарова Г.А. Сравнительное исследование эффективности ленсэктомии и периферической лазерной иридотомии при первичном закрытии угла передней камеры глаза. Национальный журнал глаукома 2023; 22(4):3-14. https://doi.org/10.53432/2078-4104-2023-22-4-3-14; Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А. Результаты применения метода машинного обучения в определении предикторов гипотензивной эффективности ленсэктомии у больных с первичным закрытием угла передней камеры. Национальный журнал глаукома 2024; 23(1):3-11. https://doi.org/10.53432/2078-4104-2024-23-1-3-11; Chylack LT Jr, Wolfe JK, Singer DM, et al. The Lens Opacities Classification System III. The Longitudinal Study of Cataract Study Group. Arch Ophthalmol 1993; 111(6):831-836. https://doi.org/10.1001/archopht.1993.01090060119035; Курышева Н.И., Шарова Г.А. Роль оптической когерентной томографии в диагностике заболеваний закрытого угла передней камеры. Часть 1: Визуализация переднего сегмента глаза. Офтальмология 2021; 18(2):208-215. https://doi.org/10.18008/1816-5095-2021-2-208-215; Курышева Н.И., Шарова Г.А. Анатомо-топографические особенности переднего и заднего сегментов глаза при ранних стадиях заболевания первичного закрытия угла. Национальный журнал глаукома 2023; 22(1):42-53. https://doi.org/10.53432/2078-4104-2023-22-1-42-53; Курышева Н.И., Бояринцева М.А., Фомин А.В. Хориоидея при первичной закрытоугольной глаукоме: результаты исследования методом оптической когерентной томографии. Офтальмология 2013; 10(4):26-31. https://doi.org/10.18008/1816-5095-2013-4-26-31; He M, Jiang Y, Huang S, Chang DS, Munoz B, Aung T, Foster PJ, Friedman DS. Laser peripheral iridotomy for the prevention of angle closure: a single-centre, Randomized controlled trial. Lancet 2019; 393(10181):1609-1618. https://doi.org/10.1016/S0140-6736(18)32607-2; Pomerantsev, A. L. Chemometrics in Excel. Hoboken: John Wiley & Sons, Inc. 2014. https://doi.org/10.1002/9781118873212; Kucheryavskiy S. mdatools – R package for chemometrics. Chemometrics and Intelligent Laboratory Systems. 2020;198, 103937. https://doi.org/10.1016/j.chemolab.2020.103937; Rodionova O.Ye., Pomerantsev A.L. "Detection of Outliers in ProjectionBased Modeling". Anal Chem 2020; 92:2656-2664. https://doi.org/10.1021/acs.analchem.9b04611; Moya M., Koch M., Hostetler L. One-class classifier networks for target recognition applications, in: Proceedings of the World Congress on Neural Networks. International Neural Network Society 1993; 797-801.; Pomerantsev, AL, Rodionova, OY. Popular decision rules in SIMCA: Critical review. Journal of Chemometrics 2020; 34:e3250. https://doi.org/10.1002/cem.3250; Pomerantsev A.L., Rodionova O.Ye. Procrustes Cross-Validation of short datasets in PCA context. Talanta 2021; 226:122104. https://doi.org/10.1016/j.talanta.2021.122104; Петров В.И., Шишиморов И.Н., Магницкая О.В., Толкачев Б.Е. Персонализированная медицина: эволюция методологии и проблемы практического внедрения. Вестник ВолГМУ 2016; 57(1):3-11.; Shao T, Hong J, Xu J, Le Q, Wang J, Qian S. Anterior Chamber Angle Assessment by Anterior-segment Optical Coherence Tomography After Phacoemulsification With or Without Goniosynechialysis in Patients With Primary Angle Closure Glaucoma. J Glaucoma 2015; 24(9): 647-655. https://doi.org/10.1097/IJG.0000000000000061; https://www.glaucomajournal.ru/jour/article/view/518
-
2Academic Journal
المؤلفون: Kryshchyshyn-Dylevych, A. P.
المصدر: Medical and Clinical Chemistry; No. 4 (2020); 39-46 ; Медицинская и клиническая химия; № 4 (2020); 39-46 ; Медична та клінічна хімія; № 4 (2020); 39-46 ; 2414-9934 ; 2410-681X ; 10.11603/mcch.2410-681X.2020.v.i4
مصطلحات موضوعية: QSAR-аналіз, тіазолідони, метод асоціативних нейронних мереж, протитрипаносомна активність, метод регресії Random Forest, thiazolidones, antitrypanosomal activity, тиазолидоны, противотрипаносомная активность, метод регрессии Random Forest
وصف الملف: application/pdf
Relation: https://ojs.tdmu.edu.ua/index.php/MCC/article/view/11738/11103; https://ojs.tdmu.edu.ua/index.php/MCC/article/view/11738
-
3Academic Journal
المؤلفون: Dmitry V. Dianov, Elena A. Radugina, Д. В. Дианов, Е. А. Радугина
المصدر: Statistics and Economics; Том 15, № 6 (2018); 4-14 ; Статистика и Экономика; Том 15, № 6 (2018); 4-14 ; 2500-3925 ; 10.21686/2500-3925-2018-6
مصطلحات موضوعية: финансовая безопасность регионов, regression method, Dianov metric, multidimensional grouping, and financial security of regions, метод регрессии, метрика Дианова, многомерная группировка
وصف الملف: application/pdf
Relation: https://statecon.rea.ru/jour/article/view/1324/1157; Балдин К.В., Рукосуев А.В. Общая теория статистики: Учебное пособие. М.: Дашков и К, 2015. 312 c.; Батракова Л.Г. Теория статистики: Учебное пособие. М.: КноРус, 2013. 528 c.; Бурцева Т.А. Эконометрические модели региональной производительности труда // Вопросы статистики. 2017. № 3. С. 30–36.; Годин А. М. Статистика: учебник. Москва: Дашков и К, 2012. 451 с.; Гордиенко Д. В. Мировой финансово-экономический кризис и обеспечение экономической безопасности государства. Монография. М.: Аргамак-медиа, 2013. 392 с.; Громыко Г.Л. Теория статистики: Практикум. М.: НИЦ ИНФРА-М, 2013. 238 c.; Долгова В.Н., Медведева Т.Ю. Теория статистики: Учебник и практикум для академического бакалавриата. М.: Юрайт, 2016. 245 c.; Зубов В., Иноземцев В. Суррогатная инвестиционная система // Вопросы экономики. 2015. № 3.; Ищенко А.Н., Ищенко И.Н. Информатика и информационные технологии в профессиональной деятельности (создание простейшей учебной автоматизированной системы бухгалтерского учёта с помощью табличного процессора EXCEL). Учебное наглядное пособие. М.: Перо, 2017. 198 с.; Крутиков В.К., Зайцев Ю.В., Дорожкина Т.В. Регионализация, как драйвер социально-экономического развития (опыт, проблемы, перспективы). Калуга: Эйдос. 2014. 92 с.; Лысенко С.Н., Дмитриева И.А. Общая теория статистики: Учебное пособие. М.: ИД ФОРУМ, НИЦ ИНФРА-М, 2013. 208 c.; Малых Н.И. Статистика. т. 1 теория статистики: Учебник и практикум для академического бакалавриата. М.: Юрайт, 2016. 275 c.; Сидорова Н.П., Шарова Н.М. Статистико-математический метод оценки предпринимательской деятельности субъектов малого предпринимательства // Вопросы региональной экономики. 2016. Т. 27. № 2. С. 116–122.; Смирнов В.В. Продовольственная безопасность регионов Российской Федерации // Национальные интересы: приоритеты и безопасность. 2015. 3(288).; Совершенствование методов выборочного наблюдения в статистике сельского хозяйства (по материалам Статкомитета СНГ) // Вопросы статистики. 2017. Т. 1. № 10. С. 13–52.; Авдийский В.И., Дадалко В.А. Теневая экономика и экономическая безопасность государства: учеб. пособие. 2-e изд., доп. М.: Альфа-М: ИНФРА-М, 2010. 496 с.; Шишулин С.С. Методология сравнительного статистического анализа промышленности России на основе кластерного анализа // Статистика и Экономика. 2017. Т. 14. № 3. С. 21–30.; Орехова Т.Р., Карагодина О.В. и др. Экономическая безопасность современной России в условиях кризиса: Моногр. Под науч. ред. Ореховой Т.Р. М.: НИЦ ИНФРА-М, 2014. 105 с.; Экономическая безопасность. 2-е изд., перераб. и доп.: Учеб. пособие. Под ред. В.А. Богомолова. М.: ЮНИТИ, 2013. 295 c.; Климова Н.В. Экономический анализ (теория, задачи, тесты, деловые игры): Учебное пособие. М.: Вузовский учебник: НИЦ Инфра-М, 2013. 287 с.; Юрьев В.Н., Дыбок Д.М. Кластерный анализ факторов, влияющих на инновационное развитие экономики в регионах Российской Федерации // Статистика и Экономика. 2017. Т. 14. № 1. С. 51–59.; Якунина М. В., Крутиков В.К., Посыпанова О.С. Экономическая безопасность региона. Учебно-методическое пособие. Калуга: Издательство «ИП Якунина А.В.» 2015. 104 с.; https://statecon.rea.ru/jour/article/view/1324
-
4Academic Journal
المؤلفون: Лякаев, Д. В., Пастухов, М. О., Lyakaev, D. V., Pastukhov, M. O.
مصطلحات موضوعية: МИНЕРАЛЬНЫЕ МАСЛА, СИНТЕТИЧЕСКИЕ МАСЛА, ХРОМАТО-МАСС-СПЕКТРОМЕТРИЯ, МЕТОД ГЛАВНЫХ КОМПОНЕНТ, МЕТОД РЕГРЕССИИ НА ГЛАВНЫЕ КОМПОНЕНТЫ, MINERAL OILS, SYNTHETIC OILS, PRINCIPAL COMPONENT ANALYSIS, CHROMATOGRAPHY-MASS SPECTROMETRY, PRINCIPAL COMPONENT METHOD, PRINCIPAL COMPONENT REGRESSION METHOD
وصف الملف: application/pdf
Relation: Аналитика и контроль. 2023. Том 27. № 4; Лякаев Д. В. Хемометрический метод интерпретации результатов хромато-масс-спектрометрического анализа минеральных и синтетических масел для таможенных целей / Д. В. Лякаев, М. О. Пастухов // Аналитика и контроль. — 2023. — Том 27. — № 4. — С. 299-305.; http://elar.urfu.ru/handle/10995/135822
-
5
-
6Academic Journal
المؤلفون: Завершинский И. П., Лисянский М. Э., Максимов В. В., Ратис Ю. Л., Завершинский И. П., Лисянский М. Э., Максимов В. В., Ратис Ю. Л.
المصدر: Естествознание. Экономика. Управление. - Вып. 2 . - Текст : электронный
جغرافية الموضوع: восстановление дифференциальных уравнений, динамические системы, обратные задачи, метод регрессии
Relation: Естествознание. Экономика. Управление : межвуз. сб. науч. работ, посвящ. памяти А. И. Федосова. - Текст : электронный; RU\НТБ СГАУ\536903; Алгоритм восстановления уравнений по временным рядам / И. П. Завершинский, М. Э. Лисянский, В. В. Максимов, Ю. Л. Ратис // Естествознание. Экономика. Управление : межвуз. сб. науч. работ, посвящ. памяти А. И. Федосова / Самар. гос. аэрокосм. ун-т им. С. П. Королева; [гл. ред. Ю. Л. Ратис]. - Самара : [СГАУ], 2001Вып. 2. - 2001. - С. 93-103.; http://repo.ssau.ru/handle/Estestvoznanie-Ekonomika-Upravlenie/Algoritm-vosstanovleniya-uravnenii-po-vremennym-ryadam-104209