Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
This book presents different experimental results as evidence of the good results obtained compared with respect to conventional approaches and literature references based on fuzzy logic. Nowadays, the evolution of intelligence systems for decision making has been reached considerable levels of success, as these systems are getting more intelligent and can be of great help to experts in decision making. One of the more important realms in decision making is the area of medical diagnosis, and many kinds of intelligence systems provide the expert good assistance to perform diagnosis; some of these methods are, for example, artificial neural networks (can be very powerful to find tendencies), support vector machines, that avoid overfitting problems, and statistical approaches (e.g., Bayesian). However, the present research is focused on one of the most relevant kinds of intelligent systems, which are the fuzzy systems. The main objective of the present work is the generation of fuzzy diagnosis systems that offer competitive classifiers to be applied in diagnosis systems. To generate these systems, we have proposed a methodology for the automatic design of classifiers and is focused in the Generalized Type-2 Fuzzy Logic, because the uncertainty handling can provide us with the robustness necessary to be competitive with other kinds of methods. In addition, different alternatives to the uncertainty modeling, rules-selection, and optimization have been explored. Besides, different experimental results are presented as evidence of the good results obtained when compared with respect to conventional approaches and literature references based on Fuzzy Logic.