Une comparaison des méthodes de sélection de variables de forêt aléatoire pour la modélisation de régression de résultats continus

Contexte : L’importance de la sélection de variables dans les modèles de régression par apprentissage automatique Ces dernières années, l’application généralisée de l’apprentissage automatique dans les domaines de la bioinformatique et des sciences des données a grandement stimulé le développement de la modélisation prédictive. La régression par fo...

L'intelligence artificielle dans l'imagerie par résonance magnétique de transfert de saturation d'échange chimique

Contexte académique L’imagerie par résonance magnétique de transfert de saturation chimique (Chemical Exchange Saturation Transfer, CEST) est une technique d’imagerie avancée non invasive capable de fournir des informations moléculaires détaillées sur les tissus vivants. La CEST IRM fonctionne en saturant sélectivement les protons échangeables de m...

Une enquête systématique sur les techniques hybrides de ML pour prédire la vitesse de pointe des particules (PPV) dans les opérations de dynamitage à ciel ouvert

Les opérations de dynamitage dans les mines à ciel ouvert sont cruciales pour l’extraction des minéraux, mais elles s’accompagnent également de risques environnementaux et structurels significatifs. La vitesse de pointe des particules (Peak Particle Velocity, PPV) générée lors des dynamitages est un indicateur clé pour évaluer l’impact des vibratio...

Un examen complet des applications de l'apprentissage automatique pour l'Internet des nano-objets : défis et orientations futures

Contexte académique Ces dernières années, le développement rapide des nanotechnologies et de l’Internet des objets (IoT) a donné naissance à un domaine révolutionnaire : l’Internet des objets nanométriques (IoNT). L’IoNT connecte des dispositifs à l’échelle nanométrique à Internet, leur permettant de jouer un rôle important dans des domaines tels q...

GCLink : un cadre de prédiction de liens par contraste graphique pour l'inférence de réseaux de régulation génique

Contexte de la recherche Les réseaux de régulation génique (Gene Regulatory Networks, GRNs) sont des outils essentiels pour comprendre les processus biologiques complexes à l’intérieur des cellules. Ils révèlent les interactions entre les facteurs de transcription (Transcription Factors, TFs) et les gènes cibles, contrôlant ainsi le processus de tr...