刷新
{{item.name}}会员
Interpretable Machine Learning Approaches Applied to Omics Datasets
应用于组学数据集的可解释机器学习方法
基本信息
- 批准号：DGECR-2022-00208
- 负责人：
- 金额：$ 0.91万
- 依托单位：
- 依托单位国家：加拿大
- 项目类别：Discovery Launch Supplement
- 财政年份：2022
- 资助国家：加拿大
- 起止时间：2022-01-01 至 2023-12-31
- 项目状态：已结题
- 来源：
- 关键词：
项目摘要
No summary - Aucun sommaire
没有总结- Aucun sommaire
项目成果
期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
数据更新时间：{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
数据更新时间：{{ journalArticles.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ monograph.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ sciAawards.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ patent.updateTime }}
Hussin, Julie其他文献
A Family-Based Probabilistic Method for Capturing De Novo Mutations from High-Throughput Short-Read Sequencing Data
- DOI：
10.2202/1544-6115.1713 - 发表时间：
2012-01-01 - 期刊：
- 影响因子：0.9
- 作者：
Cartwright, Reed A.;Hussin, Julie;Awadalla, Philip - 通讯作者：
Awadalla, Philip
The race to understand immunopathology in COVID-19: Perspectives on the impact of quantitative approaches to understand within-host interactions.
- DOI：
10.1016/j.immuno.2023.100021 - 发表时间：
2023-03 - 期刊：
- 影响因子：0
- 作者：
Gazeau, Sonia;Deng, Xiaoyan;Ooi, Hsu Kiang;Mostefai, Fatima;Hussin, Julie;Heffernan, Jane;Jenner, Adrianne L;Craig, Morgan - 通讯作者：
Craig, Morgan
Rare allelic forms of PRDM9 associated with childhood leukemogenesis
- DOI：
10.1101/gr.144188.112 - 发表时间：
2013-03-01 - 期刊：
- 影响因子：7
- 作者：
Hussin, Julie;Sinnett, Daniel;Awadalla, Philip - 通讯作者：
Awadalla, Philip
Hussin, Julie的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
{{ truncateString('Hussin, Julie', 18)}}的其他基金
Interpretable Machine Learning Approaches Applied to Omics Datasets
应用于组学数据集的可解释机器学习方法
- 批准号：
RGPIN-2022-04262 - 财政年份：2022
- 资助金额：
$ 0.91万 - 项目类别：
Discovery Grants Program - Individual
Inférences des mutations et recombinants de novo par l'analyse de données génétiques familiales
家族遗传分析的突变和重组推论
- 批准号：
378841-2009 - 财政年份：2011
- 资助金额：
$ 0.91万 - 项目类别：
Postgraduate Scholarships - Doctoral
Inférences des mutations et recombinants de novo par l'analyse de données génétiques familiales
家族遗传分析的突变和重组推论
- 批准号：
378841-2009 - 财政年份：2010
- 资助金额：
$ 0.91万 - 项目类别：
Postgraduate Scholarships - Doctoral
Inférences des mutations et recombinants de novo par l'analyse de données génétiques familiales
家族遗传分析的突变和重组推论
- 批准号：
378841-2009 - 财政年份：2009
- 资助金额：
$ 0.91万 - 项目类别：
Postgraduate Scholarships - Doctoral
相似国自然基金
Understanding structural evolution of galaxies with machine learning
- 批准号：
- 批准年份：2022
- 资助金额：10.0 万元
- 项目类别：省市级项目
相似海外基金
22-BBSRC/NSF-BIO - Interpretable & Noise-robust Machine Learning for Neurophysiology
22-BBSRC/NSF-BIO - 可解释
- 批准号：
BB/Y008758/1 - 财政年份：2024
- 资助金额：
$ 0.91万 - 项目类别：
Research Grant
Interpretable Machine Learning Modelling of Future Extreme Floods under Climate Change
气候变化下未来极端洪水的可解释机器学习模型
- 批准号：
2889015 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Studentship
UKRI/BBSRC-NSF/BIO: Interpretable and Noise-Robust Machine Learning for Neurophysiology
UKRI/BBSRC-NSF/BIO：用于神经生理学的可解释且抗噪声的机器学习
- 批准号：
2321840 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Continuing Grant
CAREER: Interpretable and Robust Machine Learning Models: Analysis and Algorithms
职业：可解释且稳健的机器学习模型：分析和算法
- 批准号：
2239787 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Continuing Grant
Macroeconomic structural changes and their characteristics: Applications of interpretable machine learning
宏观经济结构变化及其特征：可解释机器学习的应用
- 批准号：
23K01319 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
Optimization and Validation of a Cost-effective Image-Guided Automated Extracapsular Extension Detection Framework through Interpretable Machine Learning in Head and Neck Cancer
通过可解释的机器学习在头颈癌中优化和验证具有成本效益的图像引导自动囊外扩展检测框架
- 批准号：
10648372 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Accurate, reliable, and interpretable machine learning for assessment of neonatal and pediatric brain micro-structure
准确、可靠且可解释的机器学习，用于评估新生儿和儿童大脑微结构
- 批准号：
10566299 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Improving Interpretable Machine Learning for Plasmas: Towards Physical Insight, Data-Driven Models, and Optimal Sensing
改进等离子体的可解释机器学习：迈向物理洞察、数据驱动模型和最佳传感
- 批准号：
2329765 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Continuing Grant
Interpretable machine learning to synergize brain age estimation and neuroimaging genetics
可解释的机器学习可协同大脑年龄估计和神经影像遗传学
- 批准号：
10568234 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Collaborative Research: CIF: Small: Interpretable Fair Machine Learning: Frameworks, Robustness, and Scalable Algorithms
协作研究：CIF：小型：可解释的公平机器学习：框架、稳健性和可扩展算法
- 批准号：
2343869 - 财政年份：2023
- 资助金额：
$ 0.91万 - 项目类别：
Standard Grant