Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/6295
Título : Nuevo enfoque Modular para Modelos de Clasificación basados en Lógica Difusa Tipo-2 y Redes Neuronales
Autor : RAMIREZ FLORES, EDUARDO%257008
metadata.dc.subject.other: Enfoque modualar, modelos de clasificación basados en Lógica Difusa Tipo-2, redes neuronales
Fecha de publicación : 2021-06-16
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Tijuana
Descripción : En la actualidad, diferentes métodos han sido utilizados para resolver problemas de clasificación, sin embargo, existen problemas complejos en los que un método no puede resolver satisfactoriamente el problema. En el área médica, en específico cardiología, diferentes métodos han sido utilizados para ayudar en la interpretación de diversas morfologías o patrones electrocardiográficos que representan diferentes enfermedades cardiacas que son diagnosticadas por la interpretación de los mismos como son LVQ, MLP, modelos de Markov, mapas auto-organizados, sistemas lineales discriminantes, enfoques Bayesianos, SVM, sistemas expertos, sistemas de inferencia difusos, así como también sistemas híbridos, entre otros. En este trabajo de tesis la principal aportación es la creación de un nuevo clasificador con enfoque modular utilizando lógica difusa tipo 2 y redes neuronales artificiales. La metodología propuesta se aplicó como casos de estudio en el ámbito médico utilizando las bases de datos de electrocardiogramas, primeramente la base datos de arritmias del MIT-BIH y posteriormente la base de datos diagnóstica de electrocardiogramas PTB. Finalmente se muestra un estudio estadístico para demostrar las ventajas de la metodología propuesta con respecto a otros métodos
metadata.dc.type: info:eu-repo/semantics/doctoralThesis
Aparece en las colecciones: DOCTORADO EN CIENCIAS EN COMPUTACIÓN

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis Doctoral Eduardo Ramirez.pdf3.61 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons