Une nouvelle approche pour la détection des maladies du foie à l'aide de KNN et de la propagation arrière

La forte consommation d'aliments hybrides dans le monde d'aujourd'hui entraîne l'apparition de différentes maladies. Ainsi, l'étude de ce diagnostic médical devient la partie la plus importante des disciplines. Si la maladie n'est pas correctement connue, elle peut avoir des conséquences graves. Il est donc nécessaire de disposer d'un système de diagnostic solide. Ceci est rendu possible par l'algorithme K-plus proche voisin et le réseau neuronal de propagation arrière. L'algorithme K- Nearest est basé sur une famille non paramétrée utilisée pour la régression et la classification. Le réseau neuronal à propagation arrière est une autre technique utilisée pour le diagnostic des maladies, basée sur un réseau neuronal artificiel utilisé comme méthode d'optimisation. Dans ce travail, la comparaison des deux algorithmes est présentée et la façon dont cette technique combinable a produit un meilleur résultat est discutée. L'approche combinée fournit une meilleure précision jusqu'à 96%.

Autorentext

Ich Rahul S Ishi arbeite als Software-Ingenieur bei Omni payments Software Private Ltd. Pune.

Klappentext

La forte consommation d'aliments hybrides dans le monde d'aujourd'hui entraîne l'apparition de différentes maladies. Ainsi, l'étude de ce diagnostic médical devient la partie la plus importante des disciplines. Si la maladie n'est pas correctement connue, elle peut avoir des conséquences graves. Il est donc nécessaire de disposer d'un système de diagnostic solide. Ceci est rendu possible par l'algorithme K-plus proche voisin et le réseau neuronal de propagation arrière. L'algorithme K- Nearest est basé sur une famille non paramétrée utilisée pour la régression et la classification. Le réseau neuronal à propagation arrière est une autre technique utilisée pour le diagnostic des maladies, basée sur un réseau neuronal artificiel utilisé comme méthode d'optimisation. Dans ce travail, la comparaison des deux algorithmes est présentée et la façon dont cette technique combinable a produit un meilleur résultat est discutée. L'approche combinée fournit une meilleure précision jusqu'à 96%.