Browsing by Author "Sulla-Torres, Jose"

Now showing 1 - 7 of 7

Aplicación del modelo Neuro-Difuso ANFIS para la clasificación de la obesidad en niños y adolescentes
(LACCEI Inc., 2018-09) Sulla-Torres, Jose; Soto-Paredes, Christian; Cárdenas-Soria, Rocío; Huancco-Coila, Lucía; Alfaro-Casas, Luis
El objetivo de este artículo es clasificar la obesidad en niños y adolescentes varones, entre los 6 a 17 años, utilizando Redes Neuronales y Lógica difusa. Se eligió el modelo neuro-difuso ANFIS (Artificial Neural Network Fuzzy Inference System). ANFIS incluye un completo conjunto de características tanto para la fusificación, defusificación, entrenamiento, pruebas y validación. Las pruebas experimentales realizadas muestran un 96.96% de exactitud en la clasificación y un 3.04% de error
Clasificación de la densidad mineral ósea utilizando técnicas de aprendizaje automático en niños y adolescentes según edad y sexo
(LACCEI, Inc., 2019-07) Sulla-Torres, Jose; Bedoya-Carrillo, Alan; Gomez-Campos, Rossana; Cossio-Bolaños, Marco
La salud ósea es un campo que ha tomado mucha importancia en los últimos años, en especial en enfermedades relacionadas a los huesos, puesto que cada vez son más comunes entre los seres humanos. La osteoporosis actualmente causa un estimado de 8.9 millones de fracturas anualmente. La densidad mineral ósea (DMO) y contenido mineral óseo (CMO) son indicadores que permiten diagnosticar el problema de la salud ósea. El objetivo de este estudio es clasificar la DMO en niños y adolescentes utilizando técnicas de aprendizaje automático. Se desarrolló un estudio descriptivo de corte transversal. Se estudió a 660 escolares de dos centros educativos con un rango de edad de 6 a 18 años de la provincia de Arequipa (Perú). Se evaluó variables antropométricas. Se determinó la DMO y CMO. Se calculó el Índice de Masa Corporal (IMC), y se hizo un estudio comparativo de 9 algoritmos de aprendizaje automático relacionados al tema. Estos incluyen árboles de decisión, redes bayesianas, tablas de decisión y de regresión. El algoritmo que clasifica mejor la de DMO es el de Random Forest con un porcentaje de precisión de 94.87%. Este algoritmo permitió implementar un software. Esta herramienta permite calcular la salud ósea de los escolares entre 6 a 18 años. El algoritmo obtenido puede ser implementado de un software de predicción que permita la clasificación y prevención del deterioro de la salud ósea de niños y adolescentes.
Clasificación de niveles de Medida de la Función Motora Gruesa mediante técnicas de Aprendizaje Automático
(LACCEI Inc., 2020-07) Sulla-Torres, Jose; Copa Pineda, Juan Carlos; Sulla Torres, Raul
El objetivo del artículo es clasificar los niveles de medida de la función motora gruesa (GMFCS) en menores de edad mediante técnicas de aprendizaje automático. Los elementos de estudio fueron 16 pacientes, niños y niñas entre 2 y 9 años de una institución de rehabilitación y fisioterapia que sufren parálisis cerebral en la función motora gruesa. Se recolectó el análisis clínico, la aplicación de terapia y su medida de la función motora gruesa, luego se aplicó la clasificación de nueve algoritmos de aprendizaje automático: k-Nearest Neighbor (k-NN), Gradient Boosted tree, Decision Stump, Random Tree, Rule Induction, Improved Neural Net, Generalized Linear Model, SVM y el Análisis Discriminante Lineal, los cuales se compararon en base a la exactitud. Los resultados obtenidos mostraron que el Modelo Discriminante Lineal fue el que dio el mejor resultado con un 96.88 de exactitud en la clasificación. Por lo que se concluye que el uso de las técnicas de aprendizaje automático permite obtener una buena exactitud en la clasificación del nivel medida de la función motora gruesa en niños y niñas que puede ser utilizado por los especialistas para realizar dicha tarea.
Predicción de cáncer de mama a través de biomarcadores mediante aprendizaje automático
(LACCEI Inc., 2020-07) Gutiérrez Quintanilla, Andrea; Mancilla Medina, Nicole; Sulla-Torres, Jose
Se propone la predicción de cáncer de mama a través de biomarcadores mediante aprendizaje automático, a fin de poder minimizar el tiempo de espera que existe al momento que se solicita un descarte de cáncer por los diferentes factores que en nuestra realidad nacional existe. Para ello se ha utilizado una Red Neuronal que es un algoritmo de Aprendizaje Automático que nos permitió realizar la predicción. Los resultados mostraron que con el diseño desarrollado de la Red Neuronal se obtuvo una precisión del 82.76%, así mismo, se construyó un prototipo que permitió validar la propuesta, con lo que se puede concluir que la Red Neuronal es un algoritmo adecuado para ser usado de manera complementaria a la predicción de cáncer de mama a través de biomarcadores y que el prototipo desarrollado sirva a los interesados en el campo oncológico
Predicción de riesgo de osteoporosis en escolares utilizando minería de datos
(LACCEI, Inc., 2019-07) Sulla-Torres, Jose; Incalla-Nina, Christian; Portilla-Arias, Renzo; Ccama-Yana, Doris; Calluchi-Arocutipa, Britsel
La baja densidad mineral ósea y la pérdida de tejido óseo pueden dar lugar a huesos débiles y frágiles. Estos patrones son características típicas de la osteoporosis. Este problema de salud pública común no tiene síntomas. La osteoporosis es una enfermedad considerada como la epidemia mundial del siglo 21. El objetivo del estudio fue evaluar y detectar la densidad mineral ósea en niños y adolescente de 6 a 16 años de edad. Se efectuó un pre-procesamieno de datos con la técnica KDD, utilizando reglas de asociación como técnica de clasificación. Posteriormente se realiza la comparación de resultados con la base de datos de un densitómetro real. Los resultados evidenciaron que niños y niñas poseen osteoporosis y osteopenia.
Predicción para el Negocio de Alquiler de Automóviles con Técnicas Supervisadas
(LACCEI, Inc., 2019-07) Sulla-Torres, Jose; Zapata-Quentasi, Sandra; Yauri-Ituccayasi, Alba; Huamani-Avendaño, Rodrigo
El alquiler de autos es una nueva tendencia y ya es una realidad en muchos países, ya que es una opción más económica que mantener uno propio. El objetivo de este artículo es identificar el auto ideal para una persona, según las características que desee. En el presente trabajo se hizo un estudio de los pasos previos que involucra la predicción de un auto según las características deseadas y se realizó una comparación de los algoritmos de clasificación para determinar que clasificar es el adecuado en cuanto a la precisión de la predicción. Los pasos que se siguieron fueron: La colección de datos, el preprocesamiento, la preparación de datos y la comparación de los algoritmos de clasificación. Los resultados obtenidos muestran que el algoritmo Random Forest presenta un 95.12% de clasificación correcta de las instancias y un error medio cuadrático de 0.12, lo que son unos resultados aceptables para las pruebas realizadas.
Sistema Distribuido RNA-AG para la Optimización de Patrones de Diseño en Vigas de Concreto Armado
(LACCEI, Inc., 2019-07) Sulla-Torres, Jose; Ventura Acero, Paul; Saico Saico, Justo; Tumailla Sanchez, Richard; Concha, Hector
En este articulo se construye un sistema capaz de realizar el diseño de una viga de concreto armado, sujeta a flexión normal y corte, el cual proporciona resultados con rapidez y seguridad, usando dos técnicas combinadas de Inteligencia Artificial(IA), Redes Neuronales Artificiales(RNA) y Algoritmos Genéticos(AG), y un modelo distribuido Maestro-Esclavo(MDME) para calcular los pesos óptimos de la RNA usando paralelismo distribuido, implementado en Java con Remote Method Invocation (RMI), Sockets y Threads. El propósito es obtener una RNA capaz de relacionar de forma coherente datos utilizados para el diseño de la viga(peralte de viga, área de acero de refuerzo y espaciamiento de estribos) con los patrones de diseño empírico, de vigas de concreto armado semejantes, de la Escuela Profesional de Ingeniería Civil(EPIC) de la Universidad Nacional de San Agustin(UNSA) de Arequipa. Como resultados se muestra una gráfica comparativa de los tiempos de convergencia de la RNA propuesta, concluyendo su eficacia superior en cuanto a velocidad. Por ejemplo para poblaciones cercanas al millón, el tiempo es aceptable, y el error es menor a 1%.