Atnaujinkite slapukų nuostatas

El. knyga: Uncertainty for Safe Utilization of Machine Learning in Medical Imaging: 5th International Workshop, UNSURE 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, Proceedings

Edited by , Edited by , Edited by , Edited by , Edited by , Edited by
  • Formatas: PDF+DRM
  • Serija: Lecture Notes in Computer Science 14291
  • Išleidimo metai: 06-Oct-2023
  • Leidėjas: Springer International Publishing AG
  • Kalba: eng
  • ISBN-13: 9783031443367
  • Formatas: PDF+DRM
  • Serija: Lecture Notes in Computer Science 14291
  • Išleidimo metai: 06-Oct-2023
  • Leidėjas: Springer International Publishing AG
  • Kalba: eng
  • ISBN-13: 9783031443367

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

This book constitutes the refereed proceedings of the 5th Workshop on Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, UNSURE 2023, held in conjunction with MICCAI 2023 in Vancouver, Canada, in October 2023. 

For this workshop, 21 papers from 32 submissions were accepted for publication. The accepted papers cover the fields of uncertainty estimation and modeling, as well as out of distribution management, domain shift robustness, Bayesian deep learning and uncertainty calibration.
Uncertainty estimation and modelling.- Out of Distribution management
and domain shift robustness.- Bayesian deep learning and uncertainty
calibration.