29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Las redes neuronales convolucionales (CNN) y el aprendizaje automático (ML) han evolucionado mucho en la era tecnológica moderna. Se utilizan en el análisis y la predicción de diversos segmentos de la vida normal. Tienen una mayor ventaja a la hora de comprender un proceso, a veces incluso mejor que un cerebro humano. El Virus que se genera como COVID-19 se produce principalmente cuando una persona tose, estornuda o exhala y se transmite como una pequeña partícula a otros cuerpos y forman estos virus. Uno de los principales trucos para detener la propagación de este covid-19 es el…mehr

Produktbeschreibung
Las redes neuronales convolucionales (CNN) y el aprendizaje automático (ML) han evolucionado mucho en la era tecnológica moderna. Se utilizan en el análisis y la predicción de diversos segmentos de la vida normal. Tienen una mayor ventaja a la hora de comprender un proceso, a veces incluso mejor que un cerebro humano. El Virus que se genera como COVID-19 se produce principalmente cuando una persona tose, estornuda o exhala y se transmite como una pequeña partícula a otros cuerpos y forman estos virus. Uno de los principales trucos para detener la propagación de este covid-19 es el distanciamiento social y las pruebas rápidas. Esta prueba rápida tardará de 2 a 3 días en obtener el resultado del covid-19. Esto puede molestar a una gran cantidad de personas en términos de dinero y tiempo. Por lo tanto, con la ventaja de la CNN, ideado un método para aumentar la eficiencia del proceso de prueba. Las radiografías y las tomografías computarizadas muestran una ventaja considerable en la detección de COVID-19 en una persona. COVID-19 afecta principalmente a los pulmones, que podrían captarse en las radiografías como una superposición blanca. Se ha construido un modelo que puede identificar si la radiografía presentada es de una persona normal o de una persona con COVID-19 positivo.
Autorenporträt
Dr. Prathibhavani P M arbeitet derzeit als Assistenzprofessorin in der Abteilung für CSE, UVCE, K R Circle, Bengaluru, Bangalore University. Sie erwarb ihren Doktortitel in CSE an der VTU. Sie hat mehr als 13 Jahre Lehrerfahrung. Sie hat mehr als 22 Fachartikel im Bereich dem Bereich WSN veröffentlicht. Sie ist Mitglied auf Lebenszeit bei IAENG und ISTE.