Diabetes mellitus is a disease that

Diabetes mellitus is a disease that aects more than three
hundreds million people worldwide. Maintaining a good
control of the disease is critical to avoid not only severe
long-term complications but also dangerous short-term situations.
Diabetics need to decide the appropriate insulin
injection, thus they need to be able to estimate the level of
glucose they are going to have after a meal. In this paper we
use machine learning techniques for predicting glycemia in
diabetic patients. The algorithms utilize data collected from
real patients by a continuous glucose monitoring system, the
estimated number of carbohydrates, and insulin administration
for each meal. We compare (1) non-linear regression
with xed model structure, (2) identication of prognosis
models by symbolic regression using genetic programming,
(3) prognosis by k-nearest-neighbor time series search, and
(4) identication of prediction models by grammatical evolution.
We consider predictions horizons of 30, 60, 90 and
120 minutes.

ผลลัพธ์ (ไทย) 1:

เบาหวานเป็นโรคที่มี ects มากกว่าสามหลายร้อยล้านคนทั่วโลก การรักษาดีการควบคุมโรคเป็นสิ่งสำคัญเพื่อหลีกเลี่ยงไม่ได้เท่านั้นอย่างรุนแรงภาวะแทรกซ้อนระยะยาว แต่ยังสถานการณ์ระยะสั้นที่เป็นอันตรายเบาหวานจำเป็นต้องตัดสินใจว่า อินซูลินที่เหมาะสมฉีด ดังนั้นพวกเขาต้องสามารถประเมินระดับของกลูโคสที่พวกเขากำลังจะมีหลังอาหาร ในเอกสารนี้เราใช้เทคนิคการเรียนรู้เครื่องทำนาย glycemia ในผู้ป่วยเบาหวาน ขั้นตอนวิธีการใช้ข้อมูลที่รวบรวมจากผู้ป่วยที่แท้จริง โดยกลูโคสต่อเนื่องเป็นการตรวจสอบระบบ การจำนวนโดยประมาณของคาร์โบไฮเดรต และการบริหารอินซูลินสำหรับแต่ละมื้ออาหาร เราเปรียบเทียบถดถอยไม่เชิงเส้น (1)กับโครงสร้างรุ่น xed รก identi (2) การคาดคะเนการเขียนโปรแกรมรุ่น โดยสัญลักษณ์ถดถอยโดยใช้พันธุกรรม(3) การคาดคะเน โดย k ใกล้บ้านเวลาชุดค้นหา และ(4) identi รกของโมเดลทำนายโดยวิวัฒนาการทางไวยากรณ์เราพิจารณาขอบเขตการคาดคะเนของ 30, 60, 90 และ120 นาที

ผลลัพธ์ (ไทย) 2:

โรคเบาหวานเป็นโรคที่ว่า? ECTS กว่าสาม
ร้อยล้านคนทั่วโลก การดูแลรักษาที่ดี
การควบคุมโรคเป็นสิ่งสำคัญที่จะหลีกเลี่ยงความรุนแรงไม่เพียง แต่
ภาวะแทรกซ้อนในระยะยาว แต่ยังอันตรายสถานการณ์ระยะสั้น.
ผู้ป่วยโรคเบาหวานต้องตัดสินใจอินซูลินที่เหมาะสม
ในการฉีดทำให้พวกเขาจะต้องสามารถที่จะประเมินระดับของ
กลูโคสพวกเขาจะไป ที่จะมีหลังอาหาร ในบทความนี้เรา
ใช้เทคนิคการเรียนรู้ของเครื่องในการทำนายการควบคุมน้ำตาลใน
ผู้ป่วยโรคเบาหวาน ขั้นตอนวิธีการใช้ประโยชน์จากข้อมูลที่รวบรวมจาก
ผู้ป่วยจริงโดยระบบการตรวจสอบอย่างต่อเนื่องกลูโคส
จำนวนโดยประมาณของคาร์โบไฮเดรตและการบริหารอินซูลิน
สำหรับอาหารแต่ละมื้อ เราเปรียบเทียบ (1) การถดถอยที่ไม่ใช่เชิงเส้น
ที่มีโครงสร้างรูปแบบคงที่ (2) ไอออนบวกระบุของการพยากรณ์โรค
แบบจำลองโดยการถดถอยเชิงสัญลักษณ์โดยใช้โปรแกรมทางพันธุกรรม,
(3) การพยากรณ์โรคได้จากการค้นหาเวลาชุด K-ที่ใกล้ที่สุดเพื่อนบ้านและ
(4) ไอออนบวกระบุของ แบบจำลองการคาดการณ์โดยวิวัฒนาการไวยากรณ์.
เราพิจารณาการคาดการณ์อันไกลโพ้นของ 30, 60, 90 และ
120 นาที

ผลลัพธ์ (ไทย) 3:

โรคเบาหวานเป็นโรคที่ aects กว่าสามหลายล้านคนทั่วโลก รักษาดีการควบคุมโรคเป็นสิ่งสำคัญที่จะหลีกเลี่ยงไม่เพียง แต่รุนแรงภาวะแทรกซ้อนในระยะยาว แต่ในระยะสั้น สถานการณ์อันตรายเบาหวานต้องตัดสินใจอินซูลินที่เหมาะสมฉีด , ดังนั้น พวกเขาต้องสามารถประเมินระดับของกลูโคสจะได้หลังมื้ออาหาร ในกระดาษนี้เราใช้เครื่องเพื่อใช้ในการเรียนรู้เทคนิคไกลซีเมียผู้ป่วยเบาหวาน อัลกอริทึมที่ใช้ เก็บรวบรวมข้อมูลจากที่แท้จริงของผู้ป่วย โดยต่อเนื่องกลูโคสระบบการตรวจสอบ ,ประมาณจำนวนของคาร์โบไฮเดรตและอินสุลินสำหรับแต่ละมื้อ เราเปรียบเทียบ ( 1 ) ไม่เชิงเส้นการถดถอยกับ xed แบบจำลองโครงสร้าง ( 2 ) identication ของการคาดคะเนโดยการใช้รูปแบบสัญลักษณ์การเขียนโปรแกรมทางพันธุกรรม( 3 ) การพยากรณ์โรค โดยเวลา ค้นหาชุด k-nearest-neighbor , และ( 4 ) identication แบบจำลองการพยากรณ์โดยวิวัฒนาการทางไวยากรณ์เราพิจารณาคาดคะเนขอบเขตของ 30 , 60 , 90 และ120 นาที