43,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Faltungsneuronale Netze (CNN) und maschinelles Lernen (ML) haben sich im modernen Technologiezeitalter weit entwickelt. Sie werden bei der Analyse und Vorhersage verschiedener Bereiche des normalen Lebens eingesetzt. Sie haben einen größeren Vorteil, wenn es darum geht, einen Prozess zu verstehen, manchmal sogar besser als ein menschliches Gehirn. Das Virus, das als COVID-19 erzeugt wird, wird hauptsächlich beim Husten, Niesen oder Ausatmen einer Person verursacht und als kleines Partikel auf andere Körper übertragen und bildet diese Viren. Einer der wichtigsten Tricks, um die Ausbreitung von…mehr

Produktbeschreibung
Faltungsneuronale Netze (CNN) und maschinelles Lernen (ML) haben sich im modernen Technologiezeitalter weit entwickelt. Sie werden bei der Analyse und Vorhersage verschiedener Bereiche des normalen Lebens eingesetzt. Sie haben einen größeren Vorteil, wenn es darum geht, einen Prozess zu verstehen, manchmal sogar besser als ein menschliches Gehirn. Das Virus, das als COVID-19 erzeugt wird, wird hauptsächlich beim Husten, Niesen oder Ausatmen einer Person verursacht und als kleines Partikel auf andere Körper übertragen und bildet diese Viren. Einer der wichtigsten Tricks, um die Ausbreitung von COVID-19 zu stoppen, sind soziale Distanzierung und Schnelltests. Bei diesem Schnelltest dauert es 2-3 Tage, bis das Ergebnis des Covid-19 vorliegt. Dies kann für eine große Anzahl von Menschen ein finanzielles und zeitliches Problem darstellen. Daher wurde mit Hilfe von CNN eine Methode entwickelt, um die Effizienz des Testverfahrens zu erhöhen. Röntgenaufnahmen und CT-Scans zeigen erhebliche Vorteile beim Nachweis von COVID-19 bei einer Person. COVID-19 befällt vor allem die Lunge, die auf Röntgenbildern als weiße Überlagerung zu erkennen ist. Es wurde ein Modell entwickelt, mit dem festgestellt werden kann, ob das vorgelegte Röntgenbild von einer normalen Person oder von einer COVID-19-positiven Person stammt.
Autorenporträt
Dr. Prathibhavani P M arbeitet derzeit als Assistenzprofessorin in der Abteilung für CSE, UVCE, K R Circle, Bengaluru, Bangalore University. Sie erwarb ihren Doktortitel in CSE an der VTU. Sie hat mehr als 13 Jahre Lehrerfahrung. Sie hat mehr als 22 Fachartikel im Bereich dem Bereich WSN veröffentlicht. Sie ist Mitglied auf Lebenszeit bei IAENG und ISTE.