Se propone una red de inferencia adaptativa de base radial difusa (FRBAIN) para el análisis de fusión de señales multicanales que varían en el tiempo y la incrustación de conocimientos de características. El modelo, que combina el mecanismo de incrustación de características de la señal anterior de la función de núcleo de base radial con la capacidad de inferencia lógica basada en reglas del sistema difuso, está compuesto por una capa de entrada de señal multicanal variable en el tiempo, una capa de fuzzificación de base radial, una capa de reglas, una capa de regularización y una capa de clasificación difusa T-S. El algoritmo de agrupación difusa dinámica se utilizó para dividir la clase de patrones del conjunto de muestras en varias subclases con características similares. Las neuronas difusas de base radial (FRBN) se definieron y utilizaron como funciones de membresía parametrizadas, y las muestras de características típicas de cada subclase de patrones se utilizaron como centros del núcleo de la FRBN para realizar la incrustación de los diversos conocimientos de características anteriores y la fuzzificación de las señales de entrada. De acuerdo con las categorías de señales de los centros del núcleo FRBN, los nodos de la capa de reglas se conectaron selectivamente con los nodos de la capa FRBN. Se utilizó una operación de multiplicación difusa para lograr la síntesis de la información de pertenencia a la clase de patrón y el establecimiento de reglas de inferencia difusa. La intensidad de excitación de cada regla se utilizó como entrada del clasificador difuso T-S para clasificar las señales de entrada. El FRBAIN puede establecer de forma adaptativa funciones de membresía de conjuntos difusos, inferencia difusa y reglas de clasificación basadas en el aprendizaje del conjunto de muestras, realizar restricciones estructurales y de datos del modelo y mejorar las propiedades de modelado de conjuntos de datos desequilibrados. En este trabajo, se analizaron las propiedades de FRBAIN y se estableció un algoritmo de aprendizaje integral. Se realizó una validación experimental con diagnósticos de clasificación de cuatro enfermedades cardiovasculares complejas basados en señales de ECG de 12 derivaciones. Los resultados demostraron que, en el caso de conjuntos de datos desequilibrados a pequeña escala, el método propuesto mejoró significativamente tanto la precisión de la clasificación como la generalizabilidad en comparación con otros métodos del experimento.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Integración de características globales y locales para el repintado de la reflexión especular en imágenes colposcópicas
Artículo:
Revisión del panorama actual del manejo de agua de producción en la industria petrolera colombiana
Artículo:
Verificación de pruebas y aplicación de un método de ensayo de fuerza de temperatura longitudinal para raíles largos sin soldadura utilizando un sensor de deformación FBG
Artículo:
Corrección ortogonal de la señal para mejorar el modelo de regresión de la estabilidad en sistemas de sensores de gas
Artículo:
Mezclas de polietileno de baja densidad (LDPE) basadas en polímeros biodegradables de poli(3-hidroxi-butirato) (PHB) y goma guar (GG)
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.