Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Renforcement de L Apprentissage Structurel D Un Modèle Neuro-Flou

Renforcement de L Apprentissage Structurel D Un Modèle Neuro-Flou

Collectif

Paperback

Series: Omn.Univ.Europ.

Literary CriticismGeneral Computers

ISBN10: 613159161X
ISBN13: 9786131591617
Publisher: Ed Universitaires Europeennes
Published: Feb 28 2018
Pages: 100
Weight: 0.35
Height: 0.24 Width: 5.98 Depth: 9.02
Language: French
L'intelligibilité représente la force motrice la plus importante derrière la mise en oeuvre des classifieurs à base flous pour les problèmes d'application médicale. Dans la littérature, la majorité des algorithmes basés sur un système d'inférence neuro-flou adaptatif (ANFIS) ne fournissent pas suffisamment d'explications sur la façon d'obtenir les résultats d'inférence. Ce livre traite la possibilité d'augmenter l'interprétabilité du classifieur ANFIS avec l'apport de la méthode de clustering Fuzzy C-Means. Il montre comment un classifieur neuro-flou interprétable peut ètre obtenu par un processus d'apprentissage et comment les règles floues extraites peuvent améliorer son interprétation. Les résultats expérimentaux appliqués sur la base de données du diabète montrent de fortes similitudes avec les règles appliquées par les experts. L'approche proposée est simple et efficace pour clarifier la décision finale du classifieur, tout en préservant sa précision.

Also in

General Computers

View All