Selección de características aleatorias híbridas y red neuronal recurrente para la predicción de diabetes
Autores: Olaniran, Oyebayo Ridwan; Sikiru, Aliu Omotayo; Allohibi, Jeza; Alharbi, Abdulmajeed Atiah; Alharbi, Nada MohammedSaeed
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Selección de características aleatorias híbridas y red neuronal recurrente para la predicción de diabetes
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Propone un marco de trabajo conjunto
LSTM
BiLSTM
Selección de características
Predicción de diabetes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Este documento propone un novedoso marco de ensamble de dos etapas que combina Long Short-Term Memory (LSTM) y Bidirectional LSTM (BiLSTM) con selección aleatoria de características para mejorar la precisión y calibración en la predicción de la diabetes.
Descripción
Este documento propone un novedoso marco de ensamble de dos etapas que combina Long Short-Term Memory (LSTM) y Bidirectional LSTM (BiLSTM) con selección aleatoria de características para mejorar la precisión y calibración en la predicción de la diabetes.