Doctorant en Informatique, spécialité Informatique Biomédicale : Aide audiagnostic, a obtenu deux diplômes de Master le premier, option Modèle Intelligent et Décision (MID) à l'Université de Tlemcen, le deuxième, option intelligence artificielle a l'Université Claude Bernard Lyon 1, France.
Sélection de variables neuronale pour la reconnaissance du diabète
Par : , ,Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 9 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages88
- FormatPoche
- PrésentationBroché
- Poids0.142 kg
- Dimensions15,0 cm × 22,0 cm × 0,0 cm
- ISBN978-3-8417-8530-5
- EAN9783841785305
- Date de parution27/12/2013
- CollectionOMN.UNIV.EUROP.
- ÉditeurUniv Européenne
Résumé
Les techniques telles que les réseaux de neurones artificiels, sont les plus couramment utilisées pour l'aide au diagnostic médicale et sont développés par de grand nombre d'équipes de recherche, grâce à leurs simplicités du raisonnement et de leurs performances d'apprentissage inspirés du raisonnement humain. Mais avec la présence d'attributs redondants ou d'attributs fortement bruités dans les bases de données, la performance du système peut se décliner, ce qui nécessite l'utilisation des techniques de sélection de variables qui ont pour objectif de sélectionner ou d'extraire un sous-ensemble optimal de caractéristiques pertinentes pour faire un meilleur apprentissage et assurer une bonne performance du système de classication.
Pour éffectuer cette tâche nous avons proposé une méthode appelée OCD (Optimal Cell Damage), elle fait sa sélection en parallèle avec le processus d'apprentissage du réseau de neurones artificiel en se basant sur la notion de pertinence des entrées du réseau.
Pour éffectuer cette tâche nous avons proposé une méthode appelée OCD (Optimal Cell Damage), elle fait sa sélection en parallèle avec le processus d'apprentissage du réseau de neurones artificiel en se basant sur la notion de pertinence des entrées du réseau.