Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
Cybernetics and Information Technologies
Volume 23 (2023): Numero 4 (November 2023)
Accesso libero
Convex Least Angle Regression Based LASSO Feature Selection and Swish Activation Function Model for Startup Survival Rate
Ramakrishna Allu
Ramakrishna Allu
e
Venkata Nageswara Rao Padmanabhuni
Venkata Nageswara Rao Padmanabhuni
| 30 nov 2023
Cybernetics and Information Technologies
Volume 23 (2023): Numero 4 (November 2023)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
30 nov 2023
Pagine:
110 - 127
Ricevuto:
22 giu 2023
Accettato:
20 ott 2023
DOI:
https://doi.org/10.2478/cait-2023-0039
Parole chiave
Convex Least Angle Regression based Least Absolute Shrinkage and Selection Operator (CLAR-LASSO)
,
Crunch base dataset
,
Startup
,
Survival rate
,
Swish activation function based Long Short Term Memory (LSTM)
© 2023 Ramakrishna Allu et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.