Learning vector quantization as an interpretable classifier for the detection of SARS-CoV-2 types based on their RNA sequences

Marika Kaden; Katrin Sophie Bohnsack; Mirko Weber; Mateusz Kudła; Kaja Gutowska; Jacek Błażewicz; Thomas Villmann

doi:10.1007/s00521-021-06018-2

System Informacji Naukowej Politechniki Poznańskiej

PL EN

Strona główna / Publikacje / Learning vector quantization as an interpretable classifier for the detection of SARS-CoV-2 types based on their RNA sequences

Zgłoś uwagę

Artykuł

Pobierz BibTeX

Tytuł

Learning vector quantization as an interpretable classifier for the detection of SARS-CoV-2 types based on their RNA sequences

Autorzy

Marika Kaden
Katrin Sophie Bohnsack
Mirko Weber
Mateusz Kudła (WIiT) ^{[ 1 ][ S ]}
Kaja Gutowska (WIiT) ^{[ 1 ][ 2.3 ][ P ]}
Jacek Błażewicz (WIiT) ^{[ 1 ][ 2.3 ][ P ]}
Thomas Villmann

^{[ 1 ]} Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | ^{[ S ]} student | ^{[ P ]} pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2022

Opublikowano w

Neural Computing and Applications

Rocznik: 2022 | Tom: vol. 34 | Numer: iss. 1

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe

EN

learning vector quantization
interpretable models
genomic sequence analysis
reject options

Data udostępnienia online

27.04.2021

Strony (od-do)

67 - 78

DOI

10.1007/s00521-021-06018-2

URL

https://link.springer.com/article/10.1007%2Fs00521-021-06018-2

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

czasopismo hybrydowe - umowa transformacyjna

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Czas udostępnienia publikacji w sposób otwarty

przed opublikowaniem

Punktacja Ministerstwa / czasopismo

100

Impact Factor

6

System tworzony przez Politechnikę Poznańską oraz Poznańskie Centrum Superkomputerowo-Sieciowe

Zaloguj się przez eKonto, aby dodać do SIN