Enhancing Diagnosis Precision in Alcohol Addiction Detection Through CNN Analysis with SMOTE-ENN Data Augmentation

Alcoholism is a major concern in modern culture, demanding effective and prompt detection measures to limit its negative consequences. Electroencephalography (EEG) data processing has emerged as a viable option for detecting alcoholism by utilizing the brain's unique electrical patterns. Howeve...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	2024 4th International Conference on Pervasive Computing and Social Networking (ICPCSN) S. 520 - 526
Hauptverfasser:	Ashif H, Mohamed, Kanaga, E. Grace Mary
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 03.05.2024
Schlagworte:	Accuracy Addiction Alcohol Addiction Alcoholism Brain modeling CNN Data augmentation Data Augmentation Techniques Deep learning Deep Learning Algorithms EEG KNN LSTM Machine learning algorithms Naive Bayes Random Forest SMOTE SMOTE-ENN SMOTE-TOMEK
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!