دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Patricia Melin
سری:
ISBN (شابک) : 3030822184, 9783030822187
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 136
[134]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Nature-inspired Optimization of Type-2 Fuzzy Neural Hybrid Models for Classification in Medical Diagnosis (SpringerBriefs in Applied Sciences and Technology) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بهینه سازی الهام گرفته از طبیعت مدل های ترکیبی عصبی فازی نوع 2 برای طبقه بندی در تشخیص پزشکی (SpringerBriefs در علوم و فناوری کاربردی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Preface Contents 1 Introduction to Soft Computing Applied in Medicine References 2 Theory of Soft Computing and Medical Terms 2.1 Hybrid Systems 2.1.1 Artificial Neural Networks 2.1.2 Type-1 Fuzzy Systems 2.1.3 Type-2 Fuzzy Logic 2.1.4 Optimization 2.1.5 CSO 2.1.6 CSA 2.1.7 FPA 2.1.8 BSA 2.2 Blood Pressure 2.2.1 Hypertension 2.2.2 Heart Rate 2.2.3 Nocturnal Blood Pressure Profile 2.2.4 Ambulatory Blood Pressure Monitoring 2.2.5 Framingham Heart Study 2.2.6 Cardiovascular Risk References 3 Proposed Model to Obtain the Medical Diagnosis 3.1 Neuro-Fuzzy Hybrid Model 3.2 IT2FS for Classification of Heart Rate Level 3.3 IT2FS for Classification of Nocturnal Bloor Pressure Profile 4 Study Cases to Test the Optimization Performed in the Hybrid Model 4.1 Optimization of the Fuzzy System to Provide the Correct Classification of the Nocturnal Blood Pressure Profile 4.1.1 Design of a Fuzzy System for Classification of Nocturnal Blood Pressure Profile 4.1.2 Experimentation and Results 4.1.3 Statistical Test 4.2 Fuzzy System Optimization to Obtain the Heart Rate Level 4.2.1 Proposed Method for Optimization of the Heart Rate Fuzzy Classifier 4.2.2 Type-1 Fuzzy System Optimization Using the BSA 4.2.3 Design and Optimization of the IT2FS 4.2.4 Results Obtained from Optimizing the Heart Rate Fuzzy System 4.3 Optimization of the Modular Neural Network to Obtain the Trend of the Blood Pressure 4.3.1 Proposed Method for Optimization of the Modular Neural Network 4.3.2 Results of the Optimization Made to the Modular Neural Network 4.4 Optimization of the Artificial Neural Network Used to Obtain the Risk of Developing Hypertension 4.4.1 Proposed Method for the Optimization of the Monolithic Neural Network Used to Obtain the Risk of Developing Hypertension 4.4.2 Results Obtained from the Optimization 4.4.3 Z-test of FPA and ALO Versus Simple Enumeration Method 4.5 Optimization of the Modular Neural Network to Obtain the Risk of Developing a Cardiovascular Event 4.5.1 Proposed Method for Optimizing the Modular Network for the Risk of Developing a Cardiovascular Event 4.5.2 Experimentation and Results of the Optimization 4.6 Fuzzy Bird Swarm Algorithm 4.6.1 Proposed Method for the Dynamic Parameter Adjustment 4.6.2 Experiments and Results 4.6.3 Results 4.6.4 Statistical Test References 5 Conclusions of the Hybrid Medical Model Appendix A Knowledge Representation Type-1 Fuzzy System Knowledge Representation for Heart Rate Classification Inputs Variables Output Variable IT2FS Knowledge Representation Using Gaussian Membership Functions Inputs Variables Output Variable Knowledge Representation of the Fuzzy Classifier to Obtain the Nocturnal Blood Pressure Profile Inputs Variables Appendix B Graphical User Interface Index