O objetivo desta pesquisa é investigar a aplicabilidade de di ferentes operações aritméticas difusas t-normas e t- conormas, implementadas através dos neurônios difusos propostos por Kwan-Cai e Hirota-Pedrycz. O sistema neuro-difuso para auxiliar no diagnóstico de doenças epilépticas (SNDDE) re presenta uma ajuda no diagnóstico de eventos epilépticos e eventos não epilépticos. O sistema contém conhecimento médico representado na forma de regras difusas utilizando o método de inferência difuso Mamdani, baseado no mode lo perceptron multilayer (MLP). O processo de aprendizagem consiste em atualizar os pesos sinápticos através das ope rações aritméticas difusas t-normas e t-conormas. O sistema contém 14 unidades de entrada, representando os sintomas apresentados pelos pacientes, correspondendo a um evento epiléptico ou um evento não epiléptico. A entrada da rede contém valores quantitativos, ou seja, quantidade de sinto mas apresentados pelos pacientes durante um evento epi léptico ou um evento não epiléptico. A amostra estudada foi de 244 pacientes, com maior freqüência no sexo feminino. Os resultados mostram que as operações aritméticas difu sas Soma/Produto de Einstein E(OU), implementadas com o neurônio difuso proposto por Kwan-Cai, obtiveram os melhores índices de acerto do sistema e os melhores resul tados de sensibilidade e especificidade, com 93,58%, 90,69% e 96,82%, respectivamente. O SNDDE proposto combinou a capacidade das redes neurais artificiais na classificação de padrões juntamente com a abordagem qualitativa da lógica difusa, levando a uma maior taxa de acertos do sistema.

The goal of this research is to investigate the applicability of dif ferent t-norms and t-conorms fuzzy arithmetical operations, im plemented with the fuzzy neurons proposed by Kwan-Cai and Hirota-Pedrycz. This research on neuro-fuzzy systems to support the epilepsy diseases diagnosis (NFSED) aims to help on diag nostics of epileptic and non epileptic events. The system contains medical knowledge represented in the form of fuzzy rules using the Mamdani’s fuzzy inference method which is based on the per ceptron multilayer (MLP). The learning process consists of updat ing the synaptic weights through by t-norms and t-conorms fuzzy arithmetical operations. The system has fourteen input units, rep resenting the symptoms showed by the patients. The network input contains quantitative values, which means, quantity of presented symptoms by the patient during an epileptic event or non epileptic event. The study was composed by 231 patients with a bigger fre quency of women. The results showed that the fuzzy arith metical operations of Einstein’s Sum/Product AND(OR) implemented with the fuzzy neuron proposed by Kwan-Cai has obtained the highest rates of system hits and the highest rates of sensibility and specificity, with 93.58%, 90.69% and 96.82%, respectively. The proposed neuro-fuzzy system combined the artificial neural net work capabilities in the pattern classifications together with the fuzzy logic qualitative approach, leading to a bigger rate of system success.