دانلود مقاله انگلیسی رایگان:مالتیفیزیک عمیق: اتصال چند روانشناسی گسسته با یادگیری ماشین برای دستیابی به خودآموزی در مدلهای سیلیکو که همانند فیزیولوژی انسانی - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Deep multiphysics: Coupling discrete multiphysics with machine learning to attain self-learning in-silico models replicating human physiology Deep multiphysics: Coupling discrete multiphysics with machine learning to attain self-learning in-silico models replicating human physiology
    Deep multiphysics: Coupling discrete multiphysics with machine learning to attain self-learning in-silico models replicating human physiology

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Deep multiphysics: Coupling discrete multiphysics with machine learning to attain self-learning in-silico models replicating human physiology


    ترجمه فارسی عنوان مقاله:

    مالتیفیزیک عمیق: اتصال چند روانشناسی گسسته با یادگیری ماشین برای دستیابی به خودآموزی در مدلهای سیلیکو که همانند فیزیولوژی انسانی


    منبع:

    Sciencedirect - Elsevier - Artificial Intelligence In Medicine, 98 (2019) 27-34: doi:10:1016/j:artmed:2019:06:005


    نویسنده:

    Alessio Alexiadis


    چکیده انگلیسی:

    Objectives: The objective of this study is to devise a modelling strategy for attaining in-silico models replicating human physiology and, in particular, the activity of the autonomic nervous system. Method: Discrete Multiphysics (a multiphysics modelling technique) and Reinforcement Learning (a Machine Learning algorithm) are combined to achieve an in-silico model with the ability of self-learning and replicating feedback loops occurring in human physiology. Computational particles, used in Discrete Multiphysics to model biological systems, are associated to (computational) neurons: Reinforcement Learning trains these neurons to behave like they would in real biological systems. Results: As benchmark/validation, we use the case of peristalsis in the oesophagus. Results show that the insilico model effectively learns by itself how to propel the bolus in the oesophagus. Conclusions: The combination of first principles modelling (e.g. multiphysics) and machine learning (e.g. Reinforcement Learning) represents a new powerful tool for in-silico modelling of human physiology. Biological feedback loops occurring, for instance, in peristaltic or metachronal motion, which until now could not be accounted for in in-silico models, can be tackled by the proposed technique
    Keywords: Discrete multiphysics | Reinforcement Learning | Coupling first-principles models with machine | learning | Particle-based computational methods


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 1320 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی