ملخص: Cet article présente une étude de l'application d'apprendre de façon autonome les systèmes multiples de réseau neurologique aux tâches médicales de classification de modèle. Dans nos premiers travaux, une architecture hybride de réseau neurologique a été développée pour des tâches d'évaluation en ligne d'étude et de probabilité. Le réseau s'est avéré capable de réaliser asymptotiquement les taux optimaux de classification de Bayes, en ligne, dans un certain nombre d'expériences de classification de repère. Dans le contexte de la classification de modèle, cependant, on a proposé le concept des systèmes multiples de classificateur pour améliorer l'exécution d'un classificateur simple. Ainsi, trois algorithmes de combinaison de décision ont été mis en application pour produire un système multiple de classificateur de réseau neurologique. Ici l'applicabilité du système est évaluée en utilisant les disques patients dans deux domaines médicaux. La première tâche est le pronostic des patients admis aux unités coronaires de soin; considérant que la seconde est la prévision de la survie dans des patients de trauma. Les résultats sont comparés à ceux des modèles logistiques de régression, et aux implications du système pendant qu'un outil diagnostique clinique utile sont discutés.

لغة: إنجليزية