Interference effects from machine learning matched confusable object pairs in memory assessment tasks

Interference effects from machine learning matched confusable object pairs in memory assessment tasks

<p>For early detection of neurodegeneration, objective cognitive tests provide a capable alternative to costly and invasive traditional biomarkers, as well as to short and infrequent in-clinic cognitive assessments. These tests, that are designed to target the cognitive processes first vulnera...

Повний опис

Бібліографічні деталі
Автор:	Batra, D
Інші автори:	Hinds, C
Формат:	Дисертація
Мова:	English
Опубліковано:	2022
Предмети:	Statistics Psychiatry Deep learning (Machine learning) Multilevel models (Statistics) Computational neuroscience

Схожі ресурси

Machine learning and statistical models to address cluster-level confounding for the study of medical devices and surgical epidemiology using observational data
за авторством: Du, M
Опубліковано: (2023)

Advantages of Machine Learning in Forensic Psychiatric Research—Uncovering the Complexities of Aggressive Behavior in Schizophrenia
за авторством: Lena A. Hofmann, та інші
Опубліковано: (2022-01-01)

On the reproducibility and interpretability of group-level task-fMRI results
за авторством: Bowring, A
Опубліковано: (2019)

Probabilistic models and Monte Carlo objectives in generative modelling
за авторством: Shi, Y
Опубліковано: (2023)

Towards data-efficient deep learning with meta-learning and symmetries
за авторством: Xu, J
Опубліковано: (2023)

Automated data acquisition via Bayesian experimental design
за авторством: Ivanova, DR
Опубліковано: (2024)

Towards trustworthy machine learning with kernels
за авторством: Chau, SL
Опубліковано: (2023)

The evolutionary origin of Bayesian heuristics and finite memory
за авторством: Andrew W. Lo, та інші
Опубліковано: (2021-08-01)

Robustness, structure and hierarchy in deep generative models
за авторством: Willetts, MJF
Опубліковано: (2021)

Comprehensive review of Transformer‐based models in neuroscience, neurology, and psychiatry
за авторством: Shan Cong, та інші
Опубліковано: (2024-06-01)

Objective assessment of Parkinson's disease using machine learning
за авторством: Prince, J
Опубліковано: (2018)

Enabling feature-level interpretability in non-linear latent variable models: a synthesis of statistical and machine learning techniques
за авторством: Martens, K
Опубліковано: (2019)

Neural networks for inference, inference for neural networks
за авторством: Webb, S
Опубліковано: (2018)

Empirical performance of simple statistical inference-type models with feature extraction in comparison to modern machine learning methods concerning regression and classification problems
за авторством: Dittgen, M
Опубліковано: (2019)

Inference and applications of genetic relatedness in human populations
за авторством: Nait Saada, J
Опубліковано: (2022)

Enhancing fraud detection in auto insurance and credit card transactions: a novel approach integrating CNNs and machine learning algorithms
за авторством: Ruixing Ming, та інші
Опубліковано: (2024-06-01)

Mixed effects models for complex data /
за авторством: Wu, Lang, 1963-
Опубліковано: (c201)

Paired Trial Classification: A Novel Deep Learning Technique for MVPA
за авторством: Jacob M. Williams, та інші
Опубліковано: (2020-04-01)

A software system for analyzing the statistics of football matches and predicting the results based on machine learning
за авторством: N.O., та інші
Опубліковано: (2022-12-01)

Logical factorisation machines: probabilistic boolean factor models for binary data
за авторством: Rukat, T
Опубліковано: (2018)

Rapid encoding of task regularities in the human hippocampus guides sensorimotor timing
за авторством: Ignacio Polti, та інші
Опубліковано: (2022-11-01)

The SAGE handbook of multilevel modeling /
за авторством: Scott, Marc A., та інші
Опубліковано: (2013)

The impact of centering first-level predictors on individual and contextual effects in multilevel data analysis/
за авторством: 511703 Yow-Wu B. Wu, та інші

Application of multilevel modeling in educational data /
за авторством: Koh Sing Yee, 1990- author, та інші
Опубліковано: (2014)

Fast identification and quantification of c-Fos protein using you-only-look-once-v5
за авторством: Na Pang, та інші
Опубліковано: (2022-09-01)

Statistical Methods with Applications in Data Mining: A Review of the Most Recent Works
за авторством: Joaquim Fernando Pinto da Costa, та інші
Опубліковано: (2022-03-01)

Variational, Monte Carlo and policy-based approaches to Bayesian experimental design
за авторством: Foster, AE
Опубліковано: (2021)

Autobiographical memories, identity disturbance and brain functioning in patients with borderline personality disorder: An fMRI study
за авторством: Paola Bozzatello, та інші
Опубліковано: (2019-03-01)

Editorial: Machine and deep-learning for computational neuroscience
за авторством: Gaurav Dhiman, та інші
Опубліковано: (2023-07-01)

Suicidal Offenders and Non-Offenders with Schizophrenia Spectrum Disorders: A Retrospective Evaluation of Distinguishing Factors Using Machine Learning
за авторством: Lena Machetanz, та інші
Опубліковано: (2023-01-01)

Mediators of transdiagnostic psychological treatments for eating disorders
за авторством: Sivyer, K
Опубліковано: (2017)

A Survey of Uncertainty Quantification in Machine Learning for Space Weather Prediction
за авторством: Talha Siddique, та інші
Опубліковано: (2022-01-01)

Large scale methods for kernels, causal inference and survival modelling
за авторством: Hu, R
Опубліковано: (2022)

Generative models: theory and applications
за авторством: Benton, J
Опубліковано: (2023)

On the properties of random feature methods
за авторством: Li, Z
Опубліковано: (2020)

Testing and learning on distributional and set inputs
за авторством: Law, H
Опубліковано: (2019)

Sample Size Analysis for Machine Learning Clinical Validation Studies
за авторством: Daniel M. Goldenholz, та інші
Опубліковано: (2023-02-01)

Machine Learning for Neuroimaging with Scikit-Learn
за авторством: Alexandre eAbraham, та інші
Опубліковано: (2014-02-01)

Inference on Markov random fields: methods and applications
за авторством: Lienart, T
Опубліковано: (2017)

Unimodal statistical learning produces multimodal object-like representations
за авторством: Gábor Lengyel, та інші
Опубліковано: (2019-05-01)