CLASSIFICAÇÃO DE DADOS RELATIVOS À CIRURGIA DE CÂNCER DE MAMA, UM COMPARATIVO ENTRE SOLUÇÃO POR REDES NEURAIS E FUZZY

##plugins.themes.bootstrap3.article.main##

Ademir Cristiano Gabardo
Martín Pérez

Resumo

Este artigo apresenta um comparativo entre duas técnicas para aprendizado de máquina baseadas em conceitos de inteligência artificial, utilizando Redes Neurais e controladores Fuzzy para classificar dados provenientes de pacientes submetidas à cirurgia de remoção de nódulos cancerígenas da(s) mama(s). O processo de classificação de dados pode ser simples ou complexo dependendo tanto do domínio do problema bem como da qualidade dos dados disponíveis. A acuidade dos resultados também pode variar de acordo com o domínio do problema, sendo que determinados casos podem admitir uma margem de erro maior ou menor. O objetivo deste trabalho é tanto demonstrar o processo de classificação de dados por meio de uma abordagem Fuzzy e se usando redes neurais, quanto demonstrar qual das técnicas obteve melhores resultados e com quais configurações. 

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Gabardo, A. C., & Pérez, M. (2013). CLASSIFICAÇÃO DE DADOS RELATIVOS À CIRURGIA DE CÂNCER DE MAMA, UM COMPARATIVO ENTRE SOLUÇÃO POR REDES NEURAIS E FUZZY. Revista Brasileira De Contabilidade E Gestão, 2(4), 50-59. Recuperado de https://revistas.udesc.br/index.php/reavi/article/view/3867
Seção
Artigos

Referências

ARRUDA, V., (ed.). (2012). RNA - notas de aulas.

KROGH, A. & Vedelsby, J. (1995). Neural Network Ensembles, Cross Validation, and Active Learning. In Advances in Neural Information Processing Systems (pp. 231--238). MIT Press.

MEHROTRA, K., Mohan, C. K. & Ranka, S. (1997). Elements of artificial neural networks. the MIT Press.

MELO, L. G. d. (2011). Sistemas Fuzzy Probabilísticos: Geração Automática De Regras E Defuzzificação Bayesiana. Unpublished master's thesis, UTFPR - Unversidade Tecnologica Federal do Paraná.

WANG, L.-X. & Mendel, J. (1992). Generating fuzzy rules by learning from examples.

IEEE Transactions on Systems, Man and Cybernetics 22, 1414 - 1427. YAO, X. (1999). Evolving Artificial Neural Networks.

ZADEH, L. (1965). Fuzzy Sets. Information and Control.

ZADEH, L. A. (1975). The Concept of a Linguistic Variable and its Application to Approximate Reasoning. Journal of Information Science, 199.