A partir de cette page vous pouvez :
Retourner au premier Ă©cran avec les Ă©tagĂšres virtuelles... |
RĂ©sultat de la recherche
1 rĂ©sultat(s) recherche sur le mot-clĂ© 'système expert, diagnostic, datamining, moteur d’inférence, modèle de classification, pneumo-pédiatrique'
Affiner la recherche Faire une suggestion
Knowledge Base Expert System(KBES) en Pneumo-pédiatrie / Mlle Ngono Ayissi Dorothée HélÚne
Titre : Knowledge Base Expert System(KBES) en Pneumo-pĂ©diatrie Type de document : projet fin Ă©tudes Auteurs : Mlle Ngono Ayissi DorothĂ©e HĂ©lĂšne, Auteur AnnĂ©e de publication : 2018 Langues : Anglais (eng) CatĂ©gories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clĂ©s : systĂšme expert, diagnostic, datamining, moteur dâinfĂ©rence, modĂšle de classification, pneumo-pĂ©diatrique Index. dĂ©cimale : mast 30/18 RĂ©sumĂ© : Le cerveau humain est très complexe ; il a de grande capacité de réflexions et de retentions. Malheureusement il n’est ni éternel, ni remplaçable et parfois sujet à des fuites de mémoires. Donc aussi bon soient-ils, les experts de différents domaines ne sont pas à l’abris d’une maladie ou d’un évènement entrainant l’incapacité à l’exercice de leurs fonctions. D’où l’importance de la digitalisation des domaines en utilisant les connaissances des experts afin d’immortaliser leurs expertises et créer un système qui renferme le savoir de plusieurs experts du même domaine et qui serait par conséquent très crédible. Cette digitalisation de nomme système expert.
La notion de systèmes experts est assez ancienne ; elle est apparue dans les années 70 avec la réalisation du système expert célèbre MYCIN dont le but était d'aider les médecins à effectuer le diagnostic et le soin des maladies infectieuses du sang. La première version contenait 200 règles ensuite 300 règles concernant les méningites ont été ajoutées.
L’objectif de notre travail se rapproche de celui du MYCIN. Nous avons pour but de créer une application qui aidera à diagnostiquer les maladies de la pneumo-pédiatrie (des enfants âgé(e)s de 29 jours à 15 ans).
Pour atteindre cet objectif, nous allons utiliser deux grandes technologies qui sont ; les systèmes experts et le datamining. La technologie de système expert nous aidera à coder l’application afin d’avoir une interface à travers laquelle on peut interagir avec le système, un moteur d’inférence qui prend des décisions. Et le datamining nous aidera à augmenter la fiabilité de notre application en nous générant un modèle de classification avec une très petite marge d’erreur.
Knowledge Base Expert System(KBES) en Pneumo-pédiatrie [projet fin études] / Mlle Ngono Ayissi Dorothée HélÚne, Auteur . - 2018.
Langues : Anglais (eng)
CatĂ©gories : Internet des Objets et Services Mobiles ( IOSM ) Mots-clĂ©s : systĂšme expert, diagnostic, datamining, moteur dâinfĂ©rence, modĂšle de classification, pneumo-pĂ©diatrique Index. dĂ©cimale : mast 30/18 RĂ©sumĂ© : Le cerveau humain est très complexe ; il a de grande capacité de réflexions et de retentions. Malheureusement il n’est ni éternel, ni remplaçable et parfois sujet à des fuites de mémoires. Donc aussi bon soient-ils, les experts de différents domaines ne sont pas à l’abris d’une maladie ou d’un évènement entrainant l’incapacité à l’exercice de leurs fonctions. D’où l’importance de la digitalisation des domaines en utilisant les connaissances des experts afin d’immortaliser leurs expertises et créer un système qui renferme le savoir de plusieurs experts du même domaine et qui serait par conséquent très crédible. Cette digitalisation de nomme système expert.
La notion de systèmes experts est assez ancienne ; elle est apparue dans les années 70 avec la réalisation du système expert célèbre MYCIN dont le but était d'aider les médecins à effectuer le diagnostic et le soin des maladies infectieuses du sang. La première version contenait 200 règles ensuite 300 règles concernant les méningites ont été ajoutées.
L’objectif de notre travail se rapproche de celui du MYCIN. Nous avons pour but de créer une application qui aidera à diagnostiquer les maladies de la pneumo-pédiatrie (des enfants âgé(e)s de 29 jours à 15 ans).
Pour atteindre cet objectif, nous allons utiliser deux grandes technologies qui sont ; les systèmes experts et le datamining. La technologie de système expert nous aidera à coder l’application afin d’avoir une interface à travers laquelle on peut interagir avec le système, un moteur d’inférence qui prend des décisions. Et le datamining nous aidera à augmenter la fiabilité de notre application en nous générant un modèle de classification avec une très petite marge d’erreur.
RĂ©servation
RĂ©server ce document
Exemplaires
Code barre Cote Support Localisation Section DisponibilitĂ© mast 30/18 mast 30/18 MLL Texte imprimé Unité des masters Mast/18 Disponible