Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
La reconnaissance des anomalies médicales en Technologie FPGA
Univ Europeenne - EAN : 9786202287937
Édition papier
EAN : 9786202287937
Paru le : 1 juil. 2018
71,90 €
68,15 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786202287937
- Réf. éditeur : 5881448
- Editeur : Univ Europeenne
- Date Parution : 1 juil. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 160
- Format : H:229 mm L:152 mm E:9 mm
- Poids : 245gr
- Interdit de retour : Retour interdit
- Résumé : Dans le domaine médical, la classification constitue le principe de base de plusieurs systèmes d'aide au diagnostic, elle utilise différentes techniques afin d'aider l'expert à établir un deuxième diagnostic pour confirmer la pathologie. L'étude menée dans cet ouvrage est portée sur l'implémentation matérielle des classifieurs neuronaux sur cible FPGA, et afin d'atteindre nos objectifs, nous avons divisé notre travail en deux phases. La première consiste à étudier le classifieur neuronal CLN de type perceptron multicouche sous l'environnement Matlab afin d'enregistrer les valeurs finales des poids synaptiques et du biais de chaque neurone, qui seront implémentées par la suite dans la deuxième phase. Cette dernière se base sur la conception matérielle du classifieur CLN, réalisée par un langage de haut niveau de description matérielle VHDL. Notre conception est fondée sur l'emploi du principe de calcul SP (Semi-Parallèle) qui nous a permis de réaliser le classifieur matériel CLNH-SP. Nous avons implémenté par la suite, un modèle de classification SYST-SP sur le circuit FPGA permettant la reconnaissance des arythmies cardiaques en temps réel.
