Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Saltar el buscador

Esta ingresando al contenido principal

 Imagen de referencia Revistas en línea
Colección institucional

Revistas en línea

Recorre un kiosco digital, que se actualiza semanalmente, con las mejores revistas impresas de Latinoamérica y Colombia en versión digital, con contenidos periódicos para todas las edades e intereses.

  • Encuentra en esta colección
    • Otros
    • 13116 Publicaciones periódicas
  • Creada el:
    • 12 de Agosto de 2019

Compartir este contenido

Ideas! - 13/08/20

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Hybrid Intelligent System Framework for the Prediction of Heart Disease Using Machine Learning Algorithms

A Hybrid Intelligent System Framework for the Prediction of Heart Disease Using Machine Learning Algorithms

Por: Hindawi | Fecha: 2018

La enfermedad cardíaca es una de las enfermedades humanas más críticas en el mundo y afecta muy gravemente la vida humana. En la enfermedad cardíaca, el corazón no puede bombear la cantidad requerida de sangre a otras partes del cuerpo. El diagnóstico preciso y oportuno de la enfermedad cardíaca es importante para la prevención y tratamiento de la insuficiencia cardíaca. El diagnóstico de la enfermedad cardíaca a través de la historia médica tradicional se ha considerado como no confiable en muchos aspectos. Para clasificar a las personas sanas y a las personas con enfermedad cardíaca, métodos basados en técnicas no invasivas como el aprendizaje automático son confiables y eficientes. En el estudio propuesto, desarrollamos un sistema de diagnóstico basado en aprendizaje automático para la predicción de enfermedades cardíacas utilizando un conjunto de datos de enfermedades cardíacas. Utilizamos siete algoritmos populares de aprendizaje automático, tres algoritmos de selección de características, el método de validación cruzada y siete métricas de evaluación del rendimiento de clasificadores como la precisión de clasificación, la especificidad, la sensibilidad, el coeficiente de correlación de Matthews y el tiempo de ejecución. El sistema propuesto puede identificar y clasificar fácilmente a las personas con enfermedad cardíaca de las personas sanas. Además, se calcularon curvas optimistas del receptor y área bajo las curvas para cada clasificador. Hemos discutido todos los clasificadores, algoritmos de selección de características, métodos de preprocesamiento, método de validación y métricas de evaluación del rendimiento de clasificadores utilizados en este documento. El rendimiento del sistema propuesto se ha validado en características completas y en un conjunto reducido de características. La reducción de características tiene un impacto en el rendimiento de los clasificadores en términos de precisión y tiempo de ejecución de los clasificadores. El sistema de apoyo a la toma de decisiones basado en aprendizaje automático propuesto ayudará a los médicos a diagnosticar eficientemente a los pacientes cardíacos.

Compartir este contenido

A Hybrid Intelligent System Framework for the Prediction of Heart Disease Using Machine Learning Algorithms

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Mi Propia Huerta - 12/08/20

Mi Propia Huerta - 12/08/20

Por: | Fecha: 2012

Se propondrá un controlador de orden fraccionario para regular la entrada de oxígeno en la máquina cardiopulmonar. Se explicará un enfoque analítico para satisfacer algunos requisitos junto con la aplicación práctica de algunas restricciones por primera vez. En primer lugar, se introduce un modelo no lineal de retardo temporal de una entrada y una salida (SISO), obtenido previamente en la literatura, para el proceso de generación de oxígeno en el sistema de la máquina cardiopulmonar, y lo completaremos añadiendo algunos estados nuevos para controlarlo. Posteriormente, el sistema se linealiza utilizando el enfoque de linealización de realimentación de estados para encontrar una dinámica de retardo temporal de tercer orden. En consecuencia, se obtienen controladores PID clásicos y PI?D? de orden fraccionario para evaluar la calidad de la técnica propuesta. Un conjunto de parámetros óptimos de esos controladores se logran mediante el procedimiento de optimización de algoritmo genético a través de la minimización de una función de coste. Nuestro método de diseño se centra en minimizar algunos famosos criterios de rendimiento como IAE, ISE e ITSE. En el algoritmo genético, los parámetros del controlador se eligen como una población aleatoria. Los mejores valores relevantes se consiguen reduciendo la función de coste. Una simulación en el dominio del tiempo significa el rendimiento del controlador PI?D? con respecto a un controlador PID optimizado tradicional.

Compartir este contenido

Fractional-Order Control of a Nonlinear Time-Delay System, Case Study in Oxygen Regulation in the Heart-Lung Machine

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Computer Hoy - 07/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Auto Bild - 07/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Tu Hogar - 06/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Ideas! - 06/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Así Somos - 05/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Mi Propia Huerta - 05/08/20

Copia el enlace o compártelo en redes sociales

Compartir este contenido

Chilango - 01/08/20

Copia el enlace o compártelo en redes sociales

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones