Уважаемые коллеги, доброго времени суток! Представляем вам словацкое научное издание Measurement Science Review. Журнал имеет третий квартиль, издаётся в Slovak Academy of Sciences - Inst. Measurement Science, находится в открытом доступе, его SJR за 2022 г. равен 0,306, импакт-фактор 1,985, электронный ISSN - 1335 - 8871, предметные области - Контрольно-измерительные приборы, Биомедицинский инжинеринг, Разработка систем управления. Вот так выглядит обложка:
Редактором является Иван Фролло, контактные данные - umerollo@savba.sk, measurement@savba.sk.
К публикации принимаются статьи по следующей тематике:
- теория измерений;
- математическая обработка измеренных данных;
- минимизация неопределенности измерений;
- статистические методы в оценке данных и моделировании;
- измерение как междисциплинарная деятельность;
- наука об измерениях в образовании;
- методы медицинской визуализации, обработка изображений;
- измерение, обработка и анализ биосигналов;
- биомедицинские измерения на основе моделей;
- нейронные сети в биомедицине;
- телеизмерения в биомедицине;
- измерения в наномедицине;
- измерение основных физических величин;
- измерения магнитных и электрических полей;
- измерение геометрических и механических величин;
- оптические методы измерений;
- электромагнитная совместимость;
- измерения в материаловедении;
Адрес издания - https://www.measurement.sk/
Пример статьи, название - Optimization of Support Vector Machines for Prediction of Parkinson’s Disease. Заголовок (Abstract) - As in all fields, technological developments have started to be used in the field of medical diagnosis, and computer-aided diagnosis systems have started to assist physicians in their diagnosis. The success of computer-aided diagnosis methods depends on the method used; dataset, pre-processing, post-processing, etc. differ according to the processes. In this study, parameter optimization of support vector machines was performed with four different methods currently used in the literature to assist the physician in diagnosis. The success of each method was tested on two different Parkinson's datasets and the results were compared within themselves and with the literature. According to the results obtained, the highest accuracy rates vary depending on the dataset and optimization method. While Improved Chaotic Particle Swarm Optimization achieved high success in the first dataset, Bat Algorithm achieved higher success in the other dataset. While the successful results obtained are better than some studies in the literature, they are at a level that can compete with some studies.
Keywords: Support vector machines, parameter optimization, classification, Parkinson’s disease, machine learning, acoustic analysis.
