Les techniques telles que les rA(c)seaux de neurones artificiels, sont les plus couramment utilisA(c)es pour l'aide au diagnostic mA(c)dicale et sont dA(c)veloppA(c)s par de grand nombre d'A(c)quipes de recherche, grA ce A leurs simplicitA(c)s du raisonnement et de leurs performances d'apprentissage inspirA(c)s du raisonnement humain. Mais avec la prA(c)sence d'attributs redondants ou d'attributs fortement bruitA(c)s dans les bases de donnA(c)es, la performance du systA]me peut se dA(c)cliner, ce qui nA(c)cessite l'utilisation des techniques de sA(c)lection de variables qui ont pour objectif...

L'intelligibilitA(c) reprA(c)sente la force motrice la plus importante derriA]re la mise en oeuvre des classifieurs A base flous pour les problA]mes d'application mA(c)dicale. Dans la littA(c)rature, la majoritA(c) des algorithmes basA(c)s sur un systA]me d'infA(c)rence neuro-flou adaptatif (ANFIS) ne fournissent pas suffisamment d'explications sur la faAon d'obtenir les rA(c)sultats d'infA(c)rence. Ce livre traite la possibilitA(c) d'augmenter l'interprA(c)tabilitA(c) du classifieur ANFIS avec l'apport de la mA(c)thode de clustering Fuzzy C-Means. Il montre comment un classifieur neuro-flou...