Name: Tecniche di soft computing per il rilevamento del cancro al seno (en Italiano)
Price: 290116.00 COP
Availability: InStock
Author: P, Srinivasa Rao ; S, Vani Kumari ; Bheemavarapu, Pradeep Kumar
ISBN: 9786207309986

portada Tecniche di soft computing per il rilevamento del cancro al seno (en Italiano)

Tecniche di soft computing per il rilevamento del cancro al seno (en Italiano)

Formato

Libro Físico

Autor

Srinivasa Rao P

Vani Kumari S

Pradeep Kumar Bheemavarapu

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

Peso

0.14 kg.

ISBN13

9786207309986

Categorías

Farmacología

Tecniche di soft computing per il rilevamento del cancro al seno (en Italiano)

Srinivasa Rao P (Autor) · Vani Kumari S (Autor) · Pradeep Kumar Bheemavarapu (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 20 a 24 días háb.

$ 527.484$ 290.116

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 290.116

¡Envío Gratis! Llega entre el 16 Jul y el 24 Jul a Bogota, Cundinamarca. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Tecniche di soft computing per il rilevamento del cancro al seno (en Italiano)"

Il Soft Computing (SC) è emerso come uno strumento versatile per la risoluzione di problemi computazionali complessi in vari campi. Il soft computing sfrutta le capacità di riconoscimento e di apprendimento simili a quelle umane per fornire soluzioni innovative alle sfide del mondo reale. In un'epoca di esplosione dei dati, un'efficace elaborazione dei dati richiede la selezione di attributi chiave per la modellazione predittiva, con conseguente richiesta di selezione di sottoinsiemi di caratteristiche. La selezione dei sottoinsiemi di caratteristiche è un problema NP-Hard, con vari metodi classificati in approcci di tipo filter, wrapper e embedded. Gli algoritmi meta-euristici, noti per le loro capacità di ricerca globale, sono stati utilizzati per la selezione delle caratteristiche per massimizzare l'accuratezza della classificazione. Con un'attenzione particolare alle applicazioni mediche, questo studio esplora la diagnosi assistita dal computer, dove i metodi di selezione delle caratteristiche basati sulla popolazione migliorano l'accuratezza della classificazione riducendo i tempi di analisi. La ricerca introduce due nuovi metodi meta-euristici, Separated Enemy Driven Dragon Algorithm (SEDDA) e Fitness-based Crow Search Algorithm (FSCA), e li confronta con tecniche consolidate.