900 resultados para Artificial Intellicence
Resumo:
Tesis (Maestra en Produccin Animal) UANL
Resumo:
Tesis (Maestra en Cienias con Especialidad en Manejo de Vida Silvestre) UANL
Resumo:
Tesis (Maestra en Ciencias con Especialidad en Recursos Alimenticios y Produccin Acucola) U.A.N.L. Facultad de Ciencias Biolgicas.
Resumo:
Tesis ( Maestro en Ciencias de la Ingeniera Mecnica, con Especialidad en Trmica y Fluidos) UANL, 2002
Resumo:
Tesis (Maestro en Ciencias Veterinarias) UANL, 2009.
Resumo:
UANL
Resumo:
Tesis (Doctor en Ciencias con Orientacin en Procesos Sustentables) UANL, 2013.
Resumo:
Tesis (Doctor en Ciencias con Especialidad en Biotecnologa) UANL, 2013
Resumo:
La scoliose idiopathique de ladolescent (SIA) est une dformation tri-dimensionelle du rachis. Son traitement comprend lobservation, lutilisation de corsets pour limiter sa progression ou la chirurgie pour corriger la dformation squelettique et cesser sa progression. Le traitement chirurgical reste controvers au niveau des indications, mais aussi de la chirurgie entreprendre. Malgr la prsence de classifications pour guider le traitement de la SIA, une variabilit dans la stratgie opratoire intra et inter-observateur a t dcrite dans la littrature. Cette variabilit saccentue dautant plus avec lvolution des techniques chirurgicales et de linstrumentation disponible. Lavancement de la technologie et son intgration dans le milieu mdical a men lutilisation dalgorithmes dintelligence artificielle informatiques pour aider la classification et lvaluation tridimensionnelle de la scoliose. Certains algorithmes ont dmontr tre efficace pour diminuer la variabilit dans la classification de la scoliose et pour guider le traitement. Lobjectif gnral de cette thse est de dvelopper une application utilisant des outils dintelligence artificielle pour intgrer les donnes dun nouveau patient et les vidences disponibles dans la littrature pour guider le traitement chirurgical de la SIA. Pour cela une revue de la littrature sur les applications existantes dans lvaluation de la SIA fut entreprise pour rassembler les lments qui permettraient la mise en place dune application efficace et accepte dans le milieu clinique. Cette revue de la littrature nous a permis de raliser que lexistence de black box dans les applications dveloppes est une limitation pour lintgration clinique ou la justification base sur les vidence est essentielle. Dans une premire tude nous avons dvelopp un arbre dcisionnel de classification de la scoliose idiopathique bas sur la classification de Lenke qui est la plus communment utilise de nos jours mais a t critique pour sa complexit et la variabilit inter et intra-observateur. Cet arbre dcisionnel a dmontr quil permet daugmenter la prcision de classification proportionnellement au temps pass classifier et ce indpendamment du niveau de connaissance sur la SIA. Dans une deuxime tude, un algorithme de stratgies chirurgicales bas sur des rgles extraites de la littrature a t dvelopp pour guider les chirurgiens dans la slection de lapproche et les niveaux de fusion pour la SIA. Lorsque cet algorithme est appliqu une large base de donne de 1556 cas de SIA, il est capable de proposer une stratgie opratoire similaire celle dun chirurgien expert dans prt de 70% des cas. Cette tude a confirm la possibilit dextraire des stratgies opratoires valides laide dun arbre dcisionnel utilisant des rgles extraites de la littrature. Dans une troisime tude, la classification de 1776 patients avec la SIA laide dune carte de Kohonen, un type de rseaux de neurone a permis de dmontrer quil existe des scoliose typiques (scoliose courbes uniques ou double thoracique) pour lesquelles la variabilit dans le traitement chirurgical varie peu des recommandations par la classification de Lenke tandis que les scolioses a courbes multiples ou tangentielles deux groupes de courbes typiques taient celles avec le plus de variation dans la stratgie opratoire. Finalement, une plateforme logicielle a t dveloppe intgrant chacune des tudes ci-dessus. Cette interface logicielle permet lentre de donnes radiologiques pour un patient scoliotique, classifie la SIA laide de larbre dcisionnel de classification et suggre une approche chirurgicale base sur larbre dcisionnel de stratgies opratoires. Une analyse de la correction post-opratoire obtenue dmontre une tendance, bien que non-statistiquement significative, une meilleure balance chez les patients oprs suivant la stratgie recommande par la plateforme logicielle que ceux aillant un traitement diffrent. Les tudes exposes dans cette thse soulignent que lutilisation dalgorithmes dintelligence artificielle dans la classification et llaboration de stratgies opratoires de la SIA peuvent tre intgres dans une plateforme logicielle et pourraient assister les chirurgiens dans leur planification propratoire.
Resumo:
The mathematical formulation of empirically developed formulas Jirr the calculation of the resonant frequency of a thick-substrate (h s 0.08151 A,,) microstrip antenna has been analyzed. With the use qt' tunnel-based artificial neural networks (ANNs), the resonant frequency of antennas with h satisfying the thick-substrate condition are calculated and compared with the existing experimental results and also with the simulation results obtained with the use of an IE3D software package. The artificial neural network results are in very good agreement with the experimental results
Resumo:
Neural Network has emerged as the topic of the day. The spectrum of its application is as wide as from ECG noise filtering to seismic data analysis and from elementary particle detection to electronic music composition. The focal point of the proposed work is an application of a massively parallel connectionist model network for detection of a sonar target. This task is segmented into: (i) generation of training patterns from sea noise that contains radiated noise of a target, for teaching the network;(ii) selection of suitable network topology and learning algorithm and (iii) training of the network and its subsequent testing where the network detects, in unknown patterns applied to it, the presence of the features it has already learned in. A three-layer perceptron using backpropagation learning is initially subjected to a recursive training with example patterns (derived from sea ambient noise with and without the radiated noise of a target). On every presentation, the error in the output of the network is propagated back and the weights and the bias associated with each neuron in the network are modified in proportion to this error measure. During this iterative process, the network converges and extracts the target features which get encoded into its generalized weights and biases.In every unknown pattern that the converged network subsequently confronts with, it searches for the features already learned and outputs an indication for their presence or absence. This capability for target detection is exhibited by the response of the network to various test patterns presented to it.Three network topologies are tried with two variants of backpropagation learning and a grading of the performance of each combination is subsequently made.
Resumo:
Department of Marine Biology, Microbiology and Biochemistry, Cochin University of Science and Technology
Resumo:
Artificial neural networks (ANNs) are relatively new computational tools that have found extensive utilization in solving many complex real-world problems. This paper describes how an ANN can be used to identify the spectral lines of elements. The spectral lines of Cadmium (Cd), Calcium (Ca), Iron (Fe), Lithium (Li), Mercury (Hg), Potassium (K) and Strontium (Sr) in the visible range are chosen for the investigation. One of the unique features of this technique is that it uses the whole spectrum in the visible range instead of individual spectral lines. The spectrum of a sample taken with a spectrometer contains both original peaks and spurious peaks. It is a tedious task to identify these peaks to determine the elements present in the sample. ANNs capability of retrieving original data from noisy spectrum is also explored in this paper. The importance of the need of sufficient data for training ANNs to get accurate results is also emphasized. Two networks are examined: one trained in all spectral lines and other with the persistent lines only. The network trained in all spectral lines is found to be superior in analyzing the spectrum even in a noisy environment.
