Pradeep Kumar Bheemavarapu (9 results)

Condition: New.

Condition: New. Print on Demand.

Condition: New. PRINT ON DEMAND.

Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Soft Computing (SC) has emerged as a versatile tool for solving complex computational problems across various fields. SC leverages human-like recognition and learning capabilities to provide innovative solutions to real-world challenges. In an era of data e.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Soft Computing (SC) has emerged as a versatile tool for solving complex computational problems across various fields. SC leverages human-like recognition and learning capabilities to provide innovative solutions to real-world challenges. In an era of data explosion, effective data processing requires selecting key attributes for predictive modelling, leading to the demand for feature subset selection. Feature subset selection is a challenging NP-Hard problem, with various methods categorized into filter, wrapper, and embedded approaches. Metaheuristic algorithms, known for global search capabilities, have been harnessed for feature selection to maximize classification accuracy. With a focus on medical applications, this study explores computer-aided diagnosis, where population-based feature selection methods enhance classification accuracy by reducing analysis time. The research introduces two novel metaheuristic methods, Separated Enemy Driven Dragon Algorithm (SEDDA) and Fitness-based Crow Search Algorithm (FSCA), and compares them with established techniques.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - L'informatique douce s'est imposée comme un outil polyvalent permettant de résoudre des problèmes informatiques complexes dans divers domaines. L'informatique douce s'appuie sur des capacités de reconnaissance et d'apprentissage semblables à celles de l'homme pour fournir des solutions innovantes aux défis du monde réel. À l'ère de l'explosion des données, le traitement efficace des données nécessite la sélection d'attributs clés pour la modélisation prédictive, ce qui conduit à la demande de sélection de sous-ensembles de caractéristiques. La sélection de sous-ensembles de caractéristiques est un problème NP-Hard difficile, avec diverses méthodes classées en filtres, enveloppes et approches intégrées. Les algorithmes métaheuristiques, connus pour leurs capacités de recherche globale, ont été exploités pour la sélection des caractéristiques afin de maximiser la précision de la classification. En mettant l'accent sur les applications médicales, cette étude explore le diagnostic assisté par ordinateur, où les méthodes de sélection des caractéristiques basées sur la population améliorent la précision de la classification en réduisant le temps d'analyse. La recherche introduit deux nouvelles méthodes métaheuristiques, Separated Enemy Driven Dragon Algorithm (SEDDA) et Fitness-based Crow Search Algorithm (FSCA), et les compare avec des techniques établies.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Soft Computing (SC) hat sich als vielseitiges Werkzeug für die Lösung komplexer Berechnungsprobleme in verschiedenen Bereichen erwiesen. SC nutzt menschenähnliche Erkennungs- und Lernfähigkeiten, um innovative Lösungen für reale Herausforderungen zu finden. In einer Ära der Datenexplosion erfordert eine effektive Datenverarbeitung die Auswahl von Schlüsselattributen für die Vorhersagemodellierung, was zu der Forderung nach einer Auswahl von Teilmengen von Merkmalen führt. Die Auswahl von Teilmengen von Merkmalen ist ein schwieriges NP-Hard-Problem, wobei verschiedene Methoden in Filter-, Wrapper- und eingebettete Ansätze unterteilt werden können. Metaheuristische Algorithmen, die für ihre globalen Suchfähigkeiten bekannt sind, wurden für die Merkmalsauswahl genutzt, um die Klassifizierungsgenauigkeit zu maximieren. Mit einem Schwerpunkt auf medizinischen Anwendungen wird in dieser Studie die computergestützte Diagnose untersucht, bei der populationsbasierte Merkmalsauswahlmethoden die Klassifizierungsgenauigkeit verbessern, indem sie die Analysezeit reduzieren. In der Studie werden zwei neue metaheuristische Methoden, der Separated Enemy Driven Dragon Algorithm (SEDDA) und der Fitness-based Crow Search Algorithm (FSCA), vorgestellt und mit etablierten Verfahren verglichen.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Il Soft Computing (SC) è emerso come uno strumento versatile per la risoluzione di problemi computazionali complessi in vari campi. Il soft computing sfrutta le capacità di riconoscimento e di apprendimento simili a quelle umane per fornire soluzioni innovative alle sfide del mondo reale. In un'epoca di esplosione dei dati, un'efficace elaborazione dei dati richiede la selezione di attributi chiave per la modellazione predittiva, con conseguente richiesta di selezione di sottoinsiemi di caratteristiche. La selezione dei sottoinsiemi di caratteristiche è un problema NP-Hard, con vari metodi classificati in approcci di tipo filter, wrapper e embedded. Gli algoritmi meta-euristici, noti per le loro capacità di ricerca globale, sono stati utilizzati per la selezione delle caratteristiche per massimizzare l'accuratezza della classificazione. Con un'attenzione particolare alle applicazioni mediche, questo studio esplora la diagnosi assistita dal computer, dove i metodi di selezione delle caratteristiche basati sulla popolazione migliorano l'accuratezza della classificazione riducendo i tempi di analisi. La ricerca introduce due nuovi metodi meta-euristici, Separated Enemy Driven Dragon Algorithm (SEDDA) e Fitness-based Crow Search Algorithm (FSCA), e li confronta con tecniche consolidate.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - A computação suave (SC) surgiu como uma ferramenta versátil para resolver problemas computacionais complexos em vários domínios. A CS tira partido das capacidades de reconhecimento e aprendizagem semelhantes às humanas para fornecer soluções inovadoras para os desafios do mundo real. Numa era de explosão de dados, o processamento eficaz de dados exige a seleção de atributos-chave para a modelação preditiva, o que leva à necessidade de seleção de subconjuntos de características. A seleção de subconjuntos de características é um problema difícil de resolver, com vários métodos categorizados em abordagens de filtro, de invólucro e incorporadas. Os algoritmos metaheurísticos, conhecidos pelas suas capacidades de pesquisa global, têm sido utilizados na seleção de características para maximizar a precisão da classificação. Com enfoque nas aplicações médicas, este estudo explora o diagnóstico assistido por computador, em que os métodos de seleção de características baseados na população melhoram a precisão da classificação reduzindo o tempo de análise. A investigação introduz dois novos métodos metaheurísticos, o Separated Enemy Driven Dragon Algorithm (SEDDA) e o Fitness-based Crow Search Algorithm (FSCA), e compara-os com técnicas estabelecidas.…