De: R$ 0,00Por: R$ 70,00ou X de
Preço a vista: R$ 70,00
Calcule o frete:
Para envios internacionais, simule o frete no carrinho de compras.
Calcule o valor do frete e prazo de entrega para a sua região
Editora
ISBN
Páginas
Idioma
Peso
AcabamentoSinopse
Modelos de aprendizagem para sistemas neuro-difusos apresenta uma investigação sobre modelos híbridos que integram Redes Neurais Artificiais e Lógica Difusa no auxílio ao diagnóstico de crises epilépticas. Antecipando os requisitos de Explainable AI (XAI), esta obra — originalmente defendida em 2007 e agora atualizada — supera o paradigma das "caixas-pretas" ao oferecer transparência e interpretabilidade. Através das operações aritméticas de Einstein e da arquitetura de Mamdani, o livro demonstra como traduzir padrões matemáticos complexos em regras linguísticas auditáveis. É uma leitura essencial para pesquisadores de Inteligência Computacional, engenheiros biomédicos e profissionais da saúde que buscam uma IA ética, humana e precisa.
Ficha Técnica
Especificações
| ISBN | 9786525192772 |
|---|---|
| Subtítulo | INTERPRETABILIDADE E TRANSPARÊNCIA NO SUPORTE À DECISÃO CLÍNICA |
| Pré venda | Não |
| Biografia do autor | Formada em Tecnólogo em Processamento de Dados, Universidade do Vale do Rio dos Sinos (UNISINOS/RS), 1982. Especialista em Sistemas de Informação, Universidade do Vale do Rio dos Sinos (UNISINOS/RS), 1986. Especialista em Banco de Dados, Faculdade Integrada da Grande Fortaleza (UGF/CE), 2012. Mestre em Ciências. Área de Concentração: Engenharia Biomédica, Universidade Tecnológica Federal do Paraná (UTFPR/PR), 1995. Doutora em Engenharia Elétrica. Área de Concentração: Engenharia Biomédica, Universidade Federal de Santa Catarina (UFSC/SC), 2007. Atualmente em estágio pós-doutoral junto à Universidade Federal de Santa Catarina (UFSC) e à Universidade Federal de Mato Grosso (UFMT), no período de março de 2026 a fevereiro de 2027, desenvolvendo pesquisas na área de Metodologias de Aprendizagem, com foco de estudo nos modelos preditivos com o uso de machine learning, utilizando modelos de regressão logística binária e support vector machine (SVM) para identificar variáveis que possam contribuir no processo de ensino-aprendizagem. |
| Peso | 368g |
| Autor para link | CARVALHO LUCIMAR MARIA FOSSATTI DE |
| Livro disponível - pronta entrega | Não |
| Dimensões | 4 x 16 x 23 |
| Idioma | Português |
| Amostra de conteúdo | Metabooks | https://api.metabooks.com/api/v1/asset/mmo/file/e576c6a1262e4cef83dd74cef4ada824?access_token=13a46dfd-5120-4c7b-ab97-24d073db9777 |
| Tipo item | Livro Nacional |
| Número da edição | 1ª EDIÇÃO - 2026 |
| Código Interno | 1220587 |
| Código de barras | 9786525192772 |
| Acabamento | BROCHURA |
| Autor | CARVALHO, LUCIMAR MARIA FOSSATTI DE |
| Editora | CRV |
| Sob encomenda | Sim |