Mostrar el registro sencillo del ítem

dc.rights.licenseLicencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacionalspa
dc.contributor.authorRomero De la Hoz, Zuli
dc.contributor.authorRúa Ascar, Juan Manuel
dc.date.accessioned2018-05-25T14:22:35Z
dc.date.available2018-05-25T14:22:35Z
dc.date.issued2014
dc.identifier.urihttp://hdl.handle.net/20.500.12442/2112
dc.description.abstractEl estudio se fundamentó en la realización de un análisis comparativo de redes neuronales artificiales con dominio de aplicación similar, para determinar el modelo y la arquitectura que mejor clasifique los síntomas de pacientes que presentan diagnósticos de migrañas con aura y sin aura. De igual forma el resultado del estudio está proporcionando el conocimiento que puede permitir desarrollar en el futuro, un software que ofrezca al médico general una herramienta de apoyo, para minimizar los tiempos en la obtención de un diagnóstico clínico oportuno y acertado, de tal manera que el medico realice una comparación entre su razonamiento y el resultado que entregue la herramienta. Los modelos de redes neuronales artificiales implementados en el estudio son: Modelo Feed forward, Función de Base Radial y LVQ, los cuales han sido objeto de aplicación en otros estudios como: El diagnóstico de glaucoma, anomalías visuales acromáticas, insuficiencia cardiaca, detección de cáncer cervical uterino, diagnostico de epilepsia, Estudio sobre técnicas de análisis de encefalogramas basados en redes neuronales, selección de personal, aplicación de redes neuronales artificiales a la recuperación de la información, aplicadas al análisis de datos, entre otros. Las redes neuronales artificiales como podemos apreciar, son una de las herramientas inteligentes más implementadas en la solución de diversos problemas donde se requiere clasificar, analizar y categorizar información. (De Barros Ruano, 2009)spa
dc.description.abstractThe study was based on the realization of a comparative analysis of artificial neural networks with similar application domain, to determine the model and architecture that best classify the symptoms of patients with diagnoses of migraine with aura and without aura. Similarly the result of the study is to provide knowledge that may develop in the future allow a software that provides the general practitioner a support tool to minimize time in obtaining timely and accurate clinical diagnosis, such that the doctor perform a comparison between the reasoning and the tool that delivers results . The models of artificial neural networks implemented in the study are: Model Feed forward, Radial Basis Function and LVQ, which have been applied in other studies such as: The diagnosis of glaucoma, achromatic visual abnormalities, heart failure, cancer detection uterine cervical, diagnosis of epilepsy, Study on EEG analysis techniques based on neural networks, recruitment, application of artificial neural networks to information retrieval, applied to data analysis, among others. Artificial neural networks as we can see, are one of the more intelligent tools implemented in solving various problems where it is required to classify, analyze and categorize information. (De Barros Ruano, 2009)eng
dc.language.isospaspa
dc.publisherEdiciones Universidad Simón Bolívarspa
dc.publisherFacultad de Ingenieríasspa
dc.subjectRedes Neuronales Artificialesspa
dc.subjectMigrañas y Diagnósticosspa
dc.subjectArtificial Neural Networkseng
dc.subjectMigraine and Diagnosticseng
dc.titleAnálisis de modelos de redes neuronales artificiales, para un sistema de diagnósticos de migrañas con aura y sin auraspa
dc.typeOtherspa
dcterms.referencesAcevedo, G. L., Caicedo, E. F., & Loaiza, H. (2007). Selección de personal mediante Redes Neuronales Artificiales. Revista de Matemática: Teoría y Aplicaciones., 14.spa
dcterms.referencesArranz de la Peña, J., & Parra Truyol, A. (2010). Algoritmos Geneticos. Madrid, Madrid, España.spa
dcterms.referencesAzoumana, K. (2013). Why data warehouse and business intelligence at Universidad Simon Bolivar. Investigación e Innovación en Ingenierías 1(1) pp. 45-49.eng
dcterms.referencesBarrientos, N. (1997). Cefaleas y Algias Faciales. Manual de Neurología Clinica. Madrid: D. Galdames 2a. ed.spa
dcterms.referencesBenites, R., Escudero, G., & Kanaan, S. (Febrero de 2012). Inteligencia Artificial Avanzada. Cataluña, España.spa
dcterms.referencesBertona, L. (2005). Entrenamiento de Redes Neuronales Basados en Algoritmos Evolutivos. Buenos Aires, Buenos Aires, Argentina.spa
dcterms.referencesCaballos, F., and Betancur Villegas J. (2014). Simulación Discreta Aplicada a los Modelos de Atención en Salud. Investigación e Innovación en Ingenierías, 2 (2). DOI: 10.17081/invinno.2.2.2045spa
dcterms.referencesCalabria, J. C., Pico, A. y Thomas, F. (2013). Manejo de los datos y la información mediante las tecnologías XQUERY, XML y XSL. Investigación e Innovación en Ingenierías 1(1) pp. 13-19.spa
dcterms.referencesCaraballo, T., Garcia, C., & Capdevila, C. (2010). Diseño de redes neuronales con aprendizaje combinado de retropropagación y búsqueda aleatoria progresiva aplicado a la determinación de austenita retenida en aceros TRIP. Revista de Metalurgia, 46.spa
dcterms.referencesCervantes, R. (Diciembre de 2010). Redes neuronales artificiales para estimar y predecir variables climatológicas relacionadas con la evapotranspiración de referencia. Chapingo, Chapingo, México.spa
dcterms.referencesCervera, J. y Mendoza, L. (2013). Diseño de una unidad de gestión del conocimiento en una empresa del sector automotriz: estudio de caso. Investigación e Innovación en Ingenierías 1(2) pp. 49-59.spa
dcterms.referencesChacon Rangel, J. G. (2005). Universidad Centroccidental Lisandro Alvarado. Obtenido de Universidad Centroccidental Lisandro Alvarado: http://bibcyt.ucla.edu.ve/Edocs_Bciucla/Repositorio/TGM_T57.64_C43_2005.pdfspa
dcterms.referencesClavijo, D., Bernal, M., & Silva, J. (13 de Diciembre de 2006). Sistema Inteligente de Reconocimiento de Enfermedad Coronaria (ISQUEMIA). Manizales, Colombia.spa
dcterms.referencesDe Barros Ruano, A. E. (2009). Artificial Neural Networks. Faro, Portugal: University of Algarve.eng
dcterms.referencesFernández, R. (20 de 5 de 2011). Dolor cráneo facial guías fisiopatológicas y terapéuticas. Bogotá, Colombia.spa
dcterms.referencesFernandez, S., Córdoba, A., & Cordero, J. (2002). Estadistica Descriptiva. Madrid, España.spa
dcterms.referencesGarcia, P. (2005). Las Redes Neuronales Supervisadas. Madrid, Madrid, España.spa
dcterms.referencesGestiopolis.com. (2007). Gestiopolis.com. LA TÉCNICA DEL ÁRBOL PARA LA TOMA DE DECISIONES (Online). Obtenido de Gestiopolis.com. LA TÉCNICA DEL ÁRBOL PARA LA TOMA DE DECISIONES (Online): http://www.gestiopolis.com/administracion-estrategia/estrategia/toma-dedecisiones-tecnica-del-arbol.htmspa
dcterms.referencesGoering, R. (2013). Mathworks.es. Obtenido de Mathworks.es: http://www.mathworks.es/products/matlab/eng
dcterms.referencesGoméz, M. (Junio de 2009). Detección de Cáncer Cérvico-Uterino mediante. México, México.spa
dcterms.referencesGoméz, M. E. (Junio de 2009). Detección de Cáncer Cérvico-Uterino mediante Red Neuronal Función de Base Radial. Mexico, Mexico.spa
dcterms.referencesGomez, M. J. (2012). Redes Neuronales Artificiales para la simulación, estimación y control de caudales impulsados por estaciones de bombeo en zonas regables. . Huelva, España.spa
dcterms.referencesGonzález, L. (2003). Modelos de Clasificación Basados en Maquinas de Soporte Vectorial. Sevilla, Sevilla, España.spa
dcterms.referencesGraupe, D. (2007). PRINCIPLES OF ARTIFICIAL NEURAL NETWORKS (2nd Edition). lllinois, Chicago, USA: World Scientific.eng
dcterms.referencesHeredia, D. (2013). Errores comunes en la gestión del desarrollo de software. Investigación e Innovación en Ingenierías 1(2) pp. 25-31.spa
dcterms.referencesHernandez, A. (2005). Tratamiento de datos experimentales. Teoria de errores. Barcelona, España.spa
dcterms.referencesHudson, M., Hagan, M., & Demuth, H. (2013). Neural Network Toolbox™ User’s Guide. Miami: MathWorks.eng
dcterms.referencesIsasi Viñuela, P., & Galván León, I. (2004). Redes de Neuronas Artificiales, Un enfoque practico. Madrid: Pearson, Prentice Hall.spa
dcterms.referencesIsaza, R., Cardona, E., Celis, J., Yepes, C., & Mejia, J. (1989). Cefalea, Guías de Practica Clinica Basadas en la Evidencia. Proyecto ISS - ASCOFAME. Bogotá, Colombia.spa
dcterms.referencesJang, J., C.T., S., & Mizutani, E. (1997). Neuro-Fuzzy and soft Computing. Prentice-Hall.eng
dcterms.referencesKatsarava, Z., Schneeweiss, S., Kurth, T., Kroener, U., Fritsche, G., & Eikermann, A. (2004). Incidence and predictors for chronicity of headache in patients with episodic migraine. Neurology 2004;62:788-90. .eng
dcterms.referencesLado, G. (2010). Un modelo de redes neuronales artificiales para el estudio de anomalías visuales acromáticas. Buenos Aires, Buenos Aires, Argentina.spa
dcterms.referencesMartín del Rio, B., & Sanz Molina., A. (2001). Redes Neuronales y Sistemas Borrosos. Madrid: RA-MA.spa
dcterms.referencesMartín, B., & Serrano, C. (1995). Fundamentos de las Redes Neuronales Artificiales: Hardware y Software. Zaragoza, Zaragoza, España.spa
dcterms.referencesMatich, D. (2001). Redes Neuronales: Conceptos Basicos y Aplicaciones. Rosario, Rosario, Argentina.spa
dcterms.referencesMedline Plus. (18 de Octubre de 2013). Recuperado el 10 de Noviembre de 2012, de Medline Plus: http://www.nlm.nih.gov/medlineplus/spanish/spa
dcterms.referencesMéndez, C. (2001). Metodologia, Diseño y Desarrollo del Proceso de Investigación. Bogotá: McGraw Hill.spa
dcterms.referencesMitchel, T. (1997). Machine Learning. McGraw Hill.eng
dcterms.referencesMontaño, J. (2002). Redes Neuronales Artificiales Aplicadas al Análisis de Datos. Valladolid, Valladolid, España.spa
dcterms.referencesMorales, G., & Prieto, I. (2006). Estudio sobre técnicas de análisis de encefalogramas basados en. Madrid, Madrid, España.spa
dcterms.referencesMorillo, L., Alarcon, F., Aranaga, N., Aulet, S., Chapman, E., & Contorno, L. (28 de Julio de 2012). Acta Neurológica Colombiana. Obtenido de Acta Neurológica Colombiana: http://www.sci.unal.edu.co/scielo.php?script=sci_arttext&pid=S0120-87482012000300004&lng=es&nrm=isospa
dcterms.referencesNacelle, A., & Mizraji, E. (2009). Redes Neuronales Artificiales. Montevideo, Montevideo, Uruguay.eng
dcterms.referencesNIH. (14 de Enero de 2013). Instituto Nacional de Transtornos Neurologicos y Accidentes Cerebrovasculares. . Recuperado el 10 de Noviembre de 2012, de Instituto Nacional de Transtornos Neurologicos y Accidentes Cerebrovasculares. : http://espanol.ninds.nih.gov/trastornos/cefalea.htmspa
dcterms.referencesOrganization, W. H. (2001). The World Health Report, 2001 Mental Health. The World Health Organization. Switzerland: Geneva.eng
dcterms.referencesPalacios, F. (Junio de 2000). Redes Neuronales Artificiales y Métodos de Estimación de Funciones (Informe investigativo). Oviedo, Oviedo, España.spa
dcterms.referencesPradilla, G., Pardo, C., Daza, J., & Zuñiga, A. (Noviembre de 1995). Neuroepidemiología en Colombia. Obtenido de Neuroepidemiología en Colombia.: http://www.sci.unal.edu.co/scielo.php?script=sci_arttext&pid=S0120-87482012000300004&lng=es&nrm=isospa
dcterms.referencesPrimaria., F. M. (Enero de 2011). Programa de Actualización en Medicina de Familia y Comunitaria. Formación Medica Continuada en Atención Primaria.spa
dcterms.referencesQuintero, E. (Abril de 2010). Desarrollo de un Modelo para la Localización de Fallas en Sistemas de Transmisión de Energia Electrica Utilizando Tecnicas de Inteligencia Artificial. Medellin, Colombia.spa
dcterms.referencesRamirez, O. (2003). Análisis de algunos Modelos de Redes Neuronales Artificiales; caso de estudio: LA EPILEPSIA. Puebla, Mexico.spa
dcterms.referencesRodillo, E. (Abril de 2005). Revista de Pediatría. Recuperado el 03 de Enero de 2013, de Revista de Pediatría: http://www.revistapediatria.cl/vol2num1/3.htmspa
dcterms.referencesRodríguez, H. (Diciembre de 2004). Redes Neuronales Artificiales. Cholupa, Puebla, México.spa
dcterms.referencesRutkowski, L. (2008). Computational Intelligence Methods and Techniques. Berlin: Springer.eng
dcterms.referencesSandoval, P., & Shand, I. (20 de Agosto de 2010). Pontificia Universidad Católica de Chile. Recuperado el 05 de Diciembre de 2012, de Pontificia Universidad Católica de Chile.: http://escuela.med.puc.cl/publ/cuadernos/2001/08.htmlspa
dcterms.referencesScher, A., Stewart, W., Ricci, J., & Lipton, R. (2003). Factors associated with the onset and remission of chronic daily headache in a population-based study. Pain 2003;106:81-9.eng
dcterms.referencesSerrano, A., Soria, E., & Martín, J. (2010). Redes Neuronales Artificiales. Valencia, España.spa
dcterms.referencesSilva, F., Díaz, G., Ardila, M., & Saavedra, M. (Septiembre de 2012). Acta Neurológica Colombiana. Obtenido de Acta Neurológica Colombiana.: http://www.sci.unal.edu.co/scielo.php?script=sci_arttext&pid=S0120-87482012000300004&lng=es&nrm=isospa
dcterms.referencesSimón, M. (2002). Desarrollo de un Sistema Experto Simbólico Conexionista de Ayuda al Diagnóstico del Glaucoma. Valladolid, España.spa
dcterms.referencesSolera, R. (2011). Maquinas de Vectores de Soporte Para Reconocimiento Robusto de Habla. Maquinas de Vectores de Soporte Para Reconocimiento Robusto de Habla. Madrid, España.spa
dcterms.referencesSuing, A. (16 de Julio de 2008). Slideshare. Recuperado el 10 de Noviembre de 2012, de Slideshare: http://www.slideshare.net/abelsuing/definicin-de-las-lneas-de-investigacin#btnNexteng
dcterms.referencesTanco, F., Verrastro, C., Grinberg, D., & Roitman, J. (2003). Implementación de Redes Neuronales Artificiales en Hardware para aplicación en detección automática de Fulguraciones Solares. Buenos Aires, Buenos Aires, Argentina.spa
dcterms.referencesTaylor, B. (2006). Neural network-based systems have truly become mainstream with their. New York, NY: Springer.eng
dcterms.referencesTerano, T., Asai, K., & Sugeno, J. (1992). Fuzzy Systems Theory and its Applications. Academic Press Inc.eng
dcterms.referencesTitus, F., Acarín, N., & Dexeus, S. (1999). Cefalea 2a. Edición. Madrid: Harcourt.eng
dcterms.referencesTorres Robles, F. (Diciembre de 2010). Detección de Insuficiencias Cardiacas Mediante la Red Neuronal de Base Radial Difusa. Mexico, Mexico.spa
dcterms.referencesTorres Soler, L. C. (2011). Universidad Nacional de Colombia, Facultad de Ingenieria. Obtenido de Universidad Nacional de Colombia, Facultad de Ingenieria.: http://disi.unal.edu.co/~lctorress/RedNeu/LiRna008.pdfspa
dcterms.referencesTrillos, C. (2010). Migraña e investigación en epidemiología. Bogotá.spa
dcterms.referencesTu Web de Salud. (6 de Agosto de 2010). Recuperado el 10 de Noviembre de 2012, de Tu Web de Salud: http://www.dmedicina.com/enfermedades/neurologicas/cefaleasspa
dcterms.referencesUzin Larrañaga, I., Echanobe, J., & del Campo, I. (2001). Diseño e implementación de un algoritmo genético sobre dispositivos de lógica programable. Madrid, Madrid, España.spa
dcterms.referencesValentin, M., Porta-Etessam, J., Armengol-Bertolin, S., Larios, C., & Garcia, M. (2012). Situacion de partida y abordaje asistencial de la migraña en las consultas de neurologia de España. Neurol, 55.spa
dcterms.referencesVélez, O., & Staffetti, E. (2007). Computación Neuronal y Evolutiva. Redes de Funciones de Base Radial. Madrid, España.spa
dcterms.referencesVillanueva Polanco R. (2014). Algoritmos Basicos Para La Multiplicacion De Puntos En Una Curva Eliptica. Investigacion e Innovación en Ingenierias, 2 (1). DOI: 10.17081/invinno.2.1.2057spa
dcterms.referencesWeb, I.-I.-2. s. (2013). IHS Clasificación - ICHD. Recuperado el 10 de Noviembre de 2012, de IHS Clasificación - ICHD: http://ihs-classification.org/en/spa
sb.sedeSede Barranquillaspa
sb.programaMaestría en Ingeniería de Sistemas y Computaciónspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem