Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Applied Mathematics and Computer Science
Band 33 (2023): Heft 3 (September 2023)
Uneingeschränkter Zugang
Semi–Supervised vs. Supervised Learning for Mental Health Monitoring: A Case Study on Bipolar Disorder
Gabriella Casalino
Gabriella Casalino
,
Giovanna Castellano
Giovanna Castellano
,
Olgierd Hryniewicz
Olgierd Hryniewicz
,
Daniel Leite
Daniel Leite
,
Karol Opara
Karol Opara
,
Weronika Radziszewska
Weronika Radziszewska
und
Katarzyna Kaczmarek-Majer
Katarzyna Kaczmarek-Majer
| 21. Sept. 2023
International Journal of Applied Mathematics and Computer Science
Band 33 (2023): Heft 3 (September 2023)
Mathematical Modeling in Medical Problems (Special section, pp. 349-428), Urszula Foryś, Katarzyna Rejniak, Barbara Pękala, Agnieszka Bartłomiejczyk (Eds.)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
21. Sept. 2023
Seitenbereich:
419 - 428
Eingereicht:
21. Nov. 2022
Akzeptiert:
04. Mai 2023
DOI:
https://doi.org/10.34768/amcs-2023-0030
Schlüsselwörter
semi-supervised learning
,
mental health monitoring
,
acoustic features
,
pattern recognition
,
AI in medicine
© 2023 Gabriella Casalino et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.