نام کتاب: Aime 87 – European Conference On Artificial Intelligence In Medicine Marseilles, August 31St – September 3Rd 1987
نویسنده: Christian Mery و Bernard Normier و Antoine Ogonowski و John Fox و Marius Fieschi و Rolf Engelbrecht
ویرایش: ۱
سال انتشار: ۱۹۸۷
کد ISBN کتاب: ۹۷۸۳۵۴۰۱۸۴۰۲۷, ۹۷۸۳۶۴۲۹۵۵۴۹۵
فرمت: PDF
تعداد صفحه: ۲۵۵
انتشارات: Springer-Verlag Berlin Heidelberg
Description About Book Aime 87 – European Conference On Artificial Intelligence In Medicine Marseilles, August 31St – September 3Rd 1987 From Amazon
The current scarcity of expert systems where the reasoning is based on Bayesian probability theory may be due to misconceptions about probabilities found in the literature. As argued by Cheeseman (1985), these misconceptions have led to the attitude: “The Bayesian approach doesn’t work – so here is a new scheme”. Several of these expert systems based on ad hoc “probability” concepts have been successful in a number of ways, demonstrating the necessity of being able to handle uncertainty in medical expert systems. They also demonstrate the need for a theoretically sound handling of uncertainty. In Andersen et al. (1986) it was postulated that knowledge organized in a causal network can be used for a unified approach to the main tasks of a medical expert system: diagnosis, planning of tests and explanations. The present paper explores this postulate in a causal probabilistic network. It also provides a practical demonstration that the problems supposedly associated with probabilistic networks are either non-existent or that practical solutions can be found. This paper reports on the methods implemented in MUNIN* -an expert system for electromyography (EMG) (Andreassen et al. 1987). EMG is the diagnosis of muscle and nerve diseases through analysis of bioelectrical signals from muscle and nerve tissue. In Andreassen et al.
درباره کتاب Aime 87 – European Conference On Artificial Intelligence In Medicine Marseilles, August 31St – September 3Rd 1987 ترجمه شده از گوگل
کمبود فعلی سیستم های خبره که در آن استدلال در نظریه احتمال بیزی مبتنی بر ممکن است به دلیل تصورات غلط در مورد احتمال پیدا شده در ادبیات. همانطور که توسط Cheeseman (1985) استدلال، این تصورات غلط به نگرش به رهبری: “رویکرد بیزی کار نمی کند – بنابراین در اینجا یک طرح جدید است.” تعدادی از این سیستم های خبره بر اساس موقت “احتمال” مفهوم در تعدادی از راه موفق بوده است، نشان دادن ضرورت اینکه قادر به تحمل عدم اطمینان در سیستم های خبره پزشکی. آنها همچنین نشان دادن نیاز به دست زدن به تئوری صدا از عدم قطعیت. در اندرسن و همکاران (۱۹۸۶) آن را لازم دانسته شد که دانش سازمان یافته در یک شبکهی علی می تواند برای یک رویکرد یکپارچه به وظایف اصلی یک سیستم خبره پزشکی استفاده می شود: تشخیص، برنامه ریزی از آزمون و توضیحات. مقاله حاضر به بررسی این اصل در یک شبکه احتمالاتی علی. این هم یک تظاهرات عملی که مشکلات ظاهرا با شبکه های احتمالی مرتبط هستند یا غیر موجود یا که راه حل های عملی را می توان یافت فراهم می کند. این مقاله روش های اجرا شده در MUNIN * سیستم خبره -an برای الکترومیوگرافی (EMG) (Andreassen و همکاران ۱۹۸۷). EMG تشخیص ماهیچهها و اعصاب بیماری ها از طریق تجزیه و تحلیل سیگنال های بیوالکتریکی از عضلات و بافت عصبی است. در Andreassen و همکاران
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
