Nature-inspired Optimization of Type-2 Fuzzy Neural Hybrid Models for Classification in Medical Diagnosis - Patricia Melin, Ivette Miramontes, German Prado Arechiga

Blick ins Buch

Nature-inspired Optimization of Type-2 Fuzzy Neural Hybrid Models for Classification in Medical Diagnosis (eBook)

Patricia Melin, Ivette Miramontes, German Prado Arechiga (Autoren)

eBook Download: PDF

2021 | 1st ed. 2022
VIII, 127 Seiten
Springer International Publishing (Verlag)
978-3-030-82219-4 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

This book describes the utilization of different soft computing techniques and their optimization for providing an accurate and efficient medical diagnosis. The proposed method provides a precise and timely diagnosis of the risk that a person has to develop a particular disease, but it can be adaptable to provide the diagnosis of different diseases.

This book reflects the experimentation that was carried out, based on the different optimizations using bio-inspired algorithms (such as bird swarm algorithm, flower pollination algorithms, and others). In particular, the optimizations were carried out to design the fuzzy classifiers of the nocturnal blood pressure profile and heart rate level. In addition, to obtain the architecture that provides the best result, the neurons and the number of neurons per layers of the artificial neural networks used in the model are optimized. Furthermore, different tests were carried out with the complete optimized model.

Another work that is presented in this book is the dynamic parameter adaptation of the bird swarm algorithm using fuzzy inference systems, with the aim of improving its performance. For this, different experiments are carried out, where mathematical functions and a monolithic neural network are optimized to compare the results obtained with the original algorithm.

The book will be of interest for graduate students of engineering and medicine, as well as researchers and professors aiming at proposing and developing new intelligent models for medical diagnosis. In addition, it also will be of interest for people working on metaheuristic algorithms and their applications on medicine.

Erscheint lt. Verlag	6.8.2021
Reihe/Serie	SpringerBriefs in Applied Sciences and Technology
	SpringerBriefs in Applied Sciences and Technology
	SpringerBriefs in Computational Intelligence
	SpringerBriefs in Computational Intelligence
Zusatzinfo	VIII, 127 p. 64 illus., 44 illus. in color.
Sprache	englisch
Themenwelt	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
Themenwelt	Technik
Schlagworte	Computational Intelligence • Hybrid Systems • Medical Diagnosis • nature-inspired optimization • Soft Computing • Type-2 Fuzzy Neural Hybrid Models
ISBN-10	3-030-82219-2 / 3030822192
ISBN-13	978-3-030-82219-4 / 9783030822194

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 3,6 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

53,49 €