J.C.C. Rojas,  I.W. Cavalcanti,  C.W.D. de Almeida,  L.M. Brasil,  F.M. Azevedo,  M.T. Brito Filho,  A.E.M. Almeida. 

Este trabalho apresenta um Sistema Especialista Híbrido (SEH), formado pelo Sistema Especialista baseado em Redes Neurais (SERN) e pelo Sistema Especialista Baseado em Regras (SEBR). O SEH é destinado ao apoio à decisão de uma equipe clínico-cirúrgica, na área de cardiologia, na definição de uma conduta terapêutica em pacientes coronariopatas. O processo de implementação inicia-se com a Aquisição de Conhecimento (AC), proveniente da análise de uma série de parâmetros clínicos, os quais são utilizados como dados de entrada do SERN. Dessa forma, o conhecimento adquirido durante a elicitação, é convertido em regras fuzzy. Através dessas regras mapeia-se o conhecimento elicitado em grafos E/OU, que passam a representar a estrutura inicial do SERN. O aprendizado e a otimização do SERN são feitos através do Genetic-Backpropagation Based Learning Algorithm (GENBACK). Esse algoritmo pode, durante o processo de aprendizado, modificar o peso das conexões, bem como a estrutura da rede. O conhecimento abstraído do SERN, por já estar refinado, bem como treinado e testado, é usado para formar a Base de Conhecimento do SEBR. O SEBR é responsável pelo mapeamento dos dados obtidos na saída do SERN em um grafo E/OU, de tal forma que este facilite a compreensão destes dados. O algoritmo de extração de regras utilizado é o Fuzzy Rule Extraction Algorithm (FUZZYRULEXT), que tem a finalidade de dar a explicação da resposta obtida na saída do sistema conexionista. Neste contexto, o SEH proposto foi aplicado na classificação de crises epilépticas e também na classificação de câncer de mama. Para o primeiro domínio, apresentou taxa de acerto variando na faixa de 63,6% a 83,3% e, para o segundo, os testes parciais mostraram uma variação na faixa de 50% a 70%. No momento, o SEH também está sendo testado no domínio da cardiologia.

http://www.lbd.dcc.ufmg.br/colecoes/wim/2003/006.pdf

Processando consulta.