Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Fuzzy Rules Induction Medical Diagnosis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F04%3A00096490" target="_blank" >RIV/68407700:21230/04:00096490 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Fuzzy Rules Induction Medical Diagnosis

  • Popis výsledku v původním jazyce

    This document reports the activity of Daniele Peri during the MIRACLE fellowship at the CVUT, Prague June-August 2003. The research was focused on Fuzzy Rules Induction in the domain of medical diagnosis. Following the results of previous work, a prototype of a fuzzy rule learning infrastructure was implemented. The initial fuzzy rule method chosen was the recently introduced FURL (Fuzzy Rule Learner). The FURL method was tested over three applications: a synthetic dataset, a Multiple Sclerosis Diseasediagnosis dataset and a Arrhythmia Diagnosis datasets. The FURL method was then augmented with negated antecedent and tests were performed over the tree datasets. Finally, the infrastructure was enriched with a CFR (Conditional Firing Rules) controller and experimental results over the three dataset were collected.

  • Název v anglickém jazyce

    Fuzzy Rules Induction Medical Diagnosis

  • Popis výsledku anglicky

    This document reports the activity of Daniele Peri during the MIRACLE fellowship at the CVUT, Prague June-August 2003. The research was focused on Fuzzy Rules Induction in the domain of medical diagnosis. Following the results of previous work, a prototype of a fuzzy rule learning infrastructure was implemented. The initial fuzzy rule method chosen was the recently introduced FURL (Fuzzy Rule Learner). The FURL method was tested over three applications: a synthetic dataset, a Multiple Sclerosis Diseasediagnosis dataset and a Arrhythmia Diagnosis datasets. The FURL method was then augmented with negated antecedent and tests were performed over the tree datasets. Finally, the infrastructure was enriched with a CFR (Conditional Firing Rules) controller and experimental results over the three dataset were collected.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2004

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů