An early warning system that combines machine learning and a rule-based approach for the prediction of cancer patients’ unplanned visits
Lade...
Autor:in (Körperschaft)
Publikationsdatum
2023
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Proceedings of the AAAI 2023 Spring Symposium on Challenges Requiring the Combination of Machine Learning and Knowledge Engineering (AAAI-MAKE 2023)
Themenheft
DOI der Originalpublikation
Reihe / Serie
CEUR Workshop Proceedings
Reihennummer
3433
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Sun SITE Central Europe
Verlagsort / Veranstaltungsort
Aachen
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
AAAI 2023 Spring Symposium on Challenges Requiring the Combination of Machine Learning and Knowledge Engineering
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
27.03.2024
Enddatum der Konferenz
29.03.2024
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Diamond
Lizenz
Zitation
Witschel, H. F., Laurenzi, E., Jüngling, S., Kadvany, Y., & Trojan, A. (2023). An early warning system that combines machine learning and a rule-based approach for the prediction of cancer patients’ unplanned visits. In A. Martin, H.-G. Fill, A. Gerber, K. Hinkelmann, D. Lenat, R. Stolle, & F. van Harmelen (Eds.), Proceedings of the AAAI 2023 Spring Symposium on Challenges Requiring the Combination of Machine Learning and Knowledge Engineering (AAAI-MAKE 2023). Sun SITE Central Europe. https://irf.fhnw.ch/handle/11654/48276