ZiMM : un modèle d'apprentissage profond pour les événements indésirables à long terme avec des données de réclamations non cliniques.
Auteurs
Date de publication
- BACRY Emmanuel
- GAIFFAS Stephane
- KABESHOVA Anastasiia
- YU Yiyang
2019
Type de publication
Autre
Résumé
Pas de résumé disponible.
-
Pas de thématiques identifiées
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr