Wil je zeker zijn dat je cadeautjes op tijd onder de kerstboom liggen? Onze winkels ontvangen jou met open armen. Nu met extra openingsuren op zondag!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Wil je zeker zijn dat je cadeautjes op tijd onder de kerstboom liggen? Onze winkels ontvangen jou met open armen. Nu met extra openingsuren op zondag!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 143,95

+ 287 punten

Levering 1 à 2 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Personalized Predictive Modeling in Diabetes features state-of-the-art methodologies and algorithmic approaches which have been applied to predictive modeling of glucose concentration, ranging from simple autoregressive models of the CGM time series to multivariate nonlinear regression techniques of machine learning. Developments in the field have been analyzed with respect to: (i) feature set (univariate or multivariate), (ii) regression technique (linear or non-linear), (iii) learning mechanism (batch or sequential), (iv) development and testing procedure and (v) scaling properties. In addition, simulation models of meal-derived glucose absorption and insulin dynamics and kinetics are covered, as an integral part of glucose predictive models.

This book will help engineers and clinicians to: select a regression technique which can capture both linear and non-linear dynamics in glucose metabolism in diabetes, and which exhibits good generalization performance under stationary and non-stationary conditions; ensure the scalability of the optimization algorithm (learning mechanism) with respect to the size of the dataset, provided that multiple days of patient monitoring are needed to obtain a reliable predictive model; select a features set which efficiently represents both spatial and temporal dependencies between the input variables and the glucose concentration; select simulation models of subcutaneous insulin absorption and meal absorption; identify an appropriate validation procedure, and identify realistic performance measures.