Mostrar el registro sencillo del ítem

dc.contributor.advisorPiñeiro Vera, José Demetrio 
dc.contributor.authorSigut Saavedra, José Francisco 
dc.date.accessioned2018-12-27T12:44:14Z
dc.date.available2018-12-27T12:44:14Z
dc.date.issued2001
dc.identifier.urihttp://riull.ull.es/xmlui/handle/915/12151
dc.description.abstractSe desarrollan una serie de herramientas de análisis y clasificación de datos que automatizan el proceso de diagnóstico.Estas herramientas se han integrado conjutamente, mediante un Sistema Basado en el conocimiento, diseñado siguiendo la metodología CommonKADS e implementado a través de una serie de librerías en lenguaje CLIPS. El proceso de diagnóstico se ha contemplado como un proceso de diseño de clasificadores, que dependiendo de los datos disponibles y del conocimiento experto introducido en el sistema, propone el clasificador o clasificadores más adecuados, atendiendo a unos criterios preestablecidos. Especial atención se ha dedicado al estudio de la normalidad de un conjunto de datos.Se han propuesto dos enfoques alternativos al clásico, basado encontrastes de significación con una sola hipótesis. El primero de los enfoques consistió en utilizar una red neuronal para combinar diferentes estadísticos, usados habitualmente en la determinación de la normalida. En la segunda aproximación al problema, se utilizó Teoría de las Grandes Desviaciones para seleccionar un conjunto reducido de distribuciones alternativas a la normalidad que permitieron diseñar un test informativo y eficiente.La filosofía de ambas técnicas está inspirada en la combinación de "expertos", cuya acción conjunta puede resultar más efectiva que la individual, y de hecho esto fue confirmado a través de los numerosos experimentos realizados. En lo que se refiere a la validación del SBC con los datos de Alzheimer y Dislexia, se obtuvieron resultados bastante satisfactorios.Para el diagnóstico delAlzeheimer, el error de clasificación logrado fue muy bajo (aproximadamente un 1%), incluso con clasificadores simples como los discriminantes lineal y cuadrático.En el caso de la dislexia, la cifra más baja de error se alcanzó con una red neuronal y con los clasificadores de vecinos próximos (aproximadamente un 25%). Por último, es importante resaltar de nuevo la generalidad de los procedimientos empleados, que los hacen adaptables a otros problemas de diferente naturaleza.es_ES
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.language.isoes
dc.publisherUniversidad de La Laguna, Servicio de Publicacioneses_ES
dc.rightsLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 internacional)
dc.rights.uriLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 internacional)
dc.titleIntegración de técnicas de análisis y clasificación de datos mediante un sistema basado en el conocimiento para el diagnóstico de patologías cerebrales y dislexiases_ES
dc.typeinfo:eu-repo/semantics/doctoralThesis
dc.subject.keywordSistemas expertos (Ordenadores)es_ES
dc.subject.keywordInteligencia artificiales_ES
dc.subject.keywordCerebro (Trastornos)es_ES


Ficheros en el ítem

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

  • TD. Ciencias
    Tesis de Matemáticas, Física, Química, Biología, etc.

Mostrar el registro sencillo del ítem