Andere Kunden interessierten sich auch für
![Expertensysteme in Produktion und Engineering]( "Expertensysteme in Produktion und Engineering")
Expertensysteme in Produktion und Engineering54,99 €![Erkennung und Klassifizierung von Hautkrankheiten mit Deep Learning]( "Erkennung und Klassifizierung von Hautkrankheiten mit Deep Learning")
Erkennung und Klassifizierung von Hautkrankheiten mit Deep Learning43,90 €![Diagnose der Wartungsfunktion in einem Unternehmen der RN-Lebensmittelindustrie]( "Diagnose der Wartungsfunktion in einem Unternehmen der RN-Lebensmittelindustrie")
Diagnose der Wartungsfunktion in einem Unternehmen der RN-Lebensmittelindustrie61,90 €![Fuzzy Sets and Fuzzy Logic]( "Fuzzy Sets and Fuzzy Logic")
Fuzzy Sets and Fuzzy Logic34,99 €![Systemidentifikation und -diagnose durch Kernel-Methoden]( "Systemidentifikation und -diagnose durch Kernel-Methoden")
Systemidentifikation und -diagnose durch Kernel-Methoden60,90 €![DEEP-LEARNING-TECHNIKEN ZUR DIAGNOSE VON KRANKHEITEN]( "DEEP-LEARNING-TECHNIKEN ZUR DIAGNOSE VON KRANKHEITEN")
DEEP-LEARNING-TECHNIKEN ZUR DIAGNOSE VON KRANKHEITEN43,90 €![Automatisches System zur Erkennung von Tuberkulose]( "Automatisches System zur Erkennung von Tuberkulose")
Automatisches System zur Erkennung von Tuberkulose43,90 €
Hautkrankheiten sind in ländlichen Gemeinden und von Überschwemmungen betroffenen Gebieten weit verbreitet. Vorzugsweise sollten Hautkrankheiten unverzüglich von einem Dermatologen behandelt werden. Da es in ländlichen Gebieten jedoch an Fachwissen mangelt, ist dies bisher nicht möglich. Ein Expertensystem ist in der Lage, eine rechtzeitige und korrekte Diagnose zu stellen, weshalb der Aufbau eines Expertensystems eine potenzielle Herausforderung darstellt. In diesem Buch wird ein Entwurf für ein Fuzzy-Expertensystem zur Erkennung von Hautkrankheiten (Erythemato squamous) vorgestellt. Aufgrund der Ungewissheit und Ungenauigkeit der Symptome im Diagnoseprozess wählen wir ein auf Fuzzy-Logik basierendes Design. Für die Implementierung des Systems verwenden wir die MATLAB Fuzzy Logic Toolbox. Der Fuzzy-Logik-Controller generiert ein Ergebnis aus gegebenen Symptomen unter Verwendung des Mamdani MIN-MAX-Inferenzmechanismus und verwendet zur Defuzzifizierung die Centroid-Methode (COG).