1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Baja California
  4. Instituto Tecnológico de Tijuana
  5. TESIS DE MAESTRÍA
  6. MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/6083
Full metadata record
DC FieldValueLanguage
dc.contributor.authorEn la presente tesis, JULIO CÉSAR%952025 se describe el diseño de modelos híbridos inteligentes para la agrupación, clasificación, y predicción utilizando redes neuronales modulares y sistemas difusos tipo-1 y el uso de algoritmos genéticos para la optimización de las técnicas antes mencionadas. Para el módulo de clasificación el método consiste en optimizar los parámetros de las funciones de membresía entradas y salidas de un sistema difuso tipo-1 utilizando un algoritmo genético. En el método de agrupación se utilizan los mapas autoorganizados de Kohonen para formar 4 agrupaciones según la gravedad de los casos detectados de COVID-19, diabetes e hipertensión y son mostrados en un mapa mundial al usar datos de diferentes países y en un mapa de México al usar datos de México y sus estados. En el módulo para la predicción se utilizan redes neuronales modulares, con un integrador de valor mínimo, y un integrador difuso tipo-1, y un algoritmo genético para la optimización del número de neuronas de dos capas ocultas y se realizan pruebas estadísticas para comprobar si el método optimizado es mejor que el no optimizado.-
dc.creatorMÓNICA TEMIXQUEÑO, JULIO CÉSAR%952025-
dc.date.accessioned2023-09-01T02:57:16Z-
dc.date.available2023-09-01T02:57:16Z-
dc.date.issued2021-02-10-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/6083-
dc.descriptionEn la presente tesis, se describe el diseño de modelos híbridos inteligentes para la agrupación, clasificación, y predicción utilizando redes neuronales modulares y sistemas difusos tipo-1 y el uso de algoritmos genéticos para la optimización de las técnicas antes mencionadas. Para el módulo de clasificación el método consiste en optimizar los parámetros de las funciones de membresía entradas y salidas de un sistema difuso tipo-1 utilizando un algoritmo genético. En el método de agrupación se utilizan los mapas autoorganizados de Kohonen para formar 4 agrupaciones según la gravedad de los casos detectados de COVID-19, diabetes e hipertensión y son mostrados en un mapa mundial al usar datos de diferentes países y en un mapa de México al usar datos de México y sus estados. En el módulo para la predicción se utilizan redes neuronales modulares, con un integrador de valor mínimo, y un integrador difuso tipo-1, y un algoritmo genético para la optimización del número de neuronas de dos capas ocultas y se realizan pruebas estadísticas para comprobar si el método optimizado es mejor que el no optimizado.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherREDES NEURONALES, LÓGICA DIFUSA, MODELOS HIBRIDOS INTELGENTESes_MX
dc.titleDESARROLLO DE MODELOS HÍBRIDOS INTELIGENTES PARA CLASIFICACIÓN, AGRUPACIÓN Y PREDICCIÓN EN APLICACIONES MÉDICAS USANDO REDES NEURONALES Y LÓGICA DIFUSAes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorMELIN OLMEDA, ELBA PATRICA%21213-
dc.contributor.directorSÁNCHEZ VIZCARRAGA, DANIELA ADRIANA%263883-
dc.folioMCC-01es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmInstituto Tecnológico de Tijuanaes_MX
Appears in Collections:MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Files in This Item:
File Description SizeFormat 
JULIO CÉSAR MÓNICA TAMIXQUEÑO.pdfDESARROLLO DE MODELOS HÍBRIDOS INTELIGENTES PARA CLASIFICACIÓN, AGRUPACIÓN Y PREDICCIÓN EN APLICACIONES MÉDICAS USANDO REDES NEURONALES Y LÓGICA DIFUSA5.43 MBAdobe PDFView/Open
Cesión de derechos JULIO CÉSAR MÓNICA TEMIXQUEÑO.pdf
  Restricted Access		67.12 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright

View License
Show simple item record


This item is licensed under a Creative Commons License Creative Commons