Sirvi Autor "Lepson, Mihkel" järgi

Nüüd näidatakse 1 - 2 2

Epikriisi tekstide genereerimine GPT-2 mudeliga
(2023) Lepson, Mihkel; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Vabatekstiliste terviseandmete analüüsimisel ja kasutamisel on palju piiranguid, sest täielikult anonümiseerida on neid võimatu. Õpetamiseks ja andmetöötlusmetoodikate väljatöötamiseks ei pea aga kasutama ilmtingimata päris andmeid, piisaks ka genereeritud sünteetilistest andmetest. Magistritöö eesmärk on treenida generatiivne tekstimudel, mis võimaldab genereerida epikriisi tekste vastavalt etteantud dokumendi osale, patsiendi demograafilistele andmetele ja diagnoosile. Töös treenitakse GPT-2 small mudel Tartu Ülikooli Eesti geenivaramuga liitunud patsientide epikriisi tekstidel. Saadud mudelil leitakse parim genereerimise algoritm, näidatakse, et genereeritud tekste on võimalik kasutada klassifitseerimismudeli treenimisel ning näidatakse, et on võimalik hinnata genereeritud tekstide originaalsust.
Rekurrentsed närvivõrgud aegridade uurimiseks
(2020) Lepson, Mihkel; Kolde, Raivo, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Bakalaureusetöö eesmärk on välja selgitada, milliseid seoseid suudab aegreast ülesleida erilist tüüpi rekurrentne närvivõrk LSTM, et selle abil teha ennustusi tuleviku väärtuste kohta. Püstitatud eesmärgi uurimiseks vaadatakse kõigepealt LSTM mudeli võimekust leida seoseid genereeritud andmete peal. Genereeritud andmestikus on olemas kindlat tüüpi seosed, mida soovitakse mudeliga leida. Seosteks on sündmustest põhjustatud mõju mõõdetavale tunnusele, süstemaatiline muutus mõõdetavas tunnuses, tsükliline muutus mõõdetavas tunnuses. Kui mudel suudab leida genereeritud andmete pealt seosed ja ennustada tuleviku väärtusi, siis peaks suutma ka LSTM mudel seda teha päris andmestiku peal. Päris andmestikuks valitakse meditsiini andmestik, mis on pärit MIMIC-III andmestikust. Vaadatakse täpsemalt LSTM mudeli võimekust ennustada viite elulist näitajat, milleks on südamerütm, hingamissagedus, hapniku küllastus veres, diastoolne vererõhk ja süstoolne vererõhk.