Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F14%3A00224858" target="_blank" >RIV/68407700:21220/14:00224858 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6889834" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6889834</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/IJCNN.2014.6889834" target="_blank" >10.1109/IJCNN.2014.6889834</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy

  • Popis výsledku v původním jazyce

    This paper presents recently introduced concept of Learning Entropy (LE) for time series and recalls the practical form of its evaluation in real time. Then, a technique that estimates the increased risk of prediction inaccuracy of adaptive predictors inreal time using LE is introduced. On simulation examples using artificial signal and real respiratory time series, it is shown that LE can be used to evaluate the actual validity of the adaptive predicting model of time series in real time. The introduced technique is discussed as a potential approach to the improvement of accuracy of lung tumor tracking radiation therapy.

  • Název v anglickém jazyce

    Study of Learning Entropy for Novelty Detection in lung tumor motion prediction for target tracking radiation therapy

  • Popis výsledku anglicky

    This paper presents recently introduced concept of Learning Entropy (LE) for time series and recalls the practical form of its evaluation in real time. Then, a technique that estimates the increased risk of prediction inaccuracy of adaptive predictors inreal time using LE is introduced. On simulation examples using artificial signal and real respiratory time series, it is shown that LE can be used to evaluate the actual validity of the adaptive predicting model of time series in real time. The introduced technique is discussed as a potential approach to the improvement of accuracy of lung tumor tracking radiation therapy.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Neural Networks (IJCNN), 2014 International Joint Conference on - Scopus ISBN

  • ISBN

    978-1-4799-1484-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    3124-3129

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway

  • Místo konání akce

    Beijing

  • Datum konání akce

    6. 7. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku