UN MODELO MATEMÁTICO DE CLASIFICACIÓN DE PACIENTES CON SINTOMAS COVID-19

Autores/as

  • Julio Enrique Trujillo González Universidad de Panamá, Facultad de Ciencias Naturales, Exactas y Tecnología, Departamento de Matemática https://orcid.org/0000-0002-3664-8058
  • Iveth Verónica Martínez Valderrama Universidad de Panamá, Facultad de Ciencias Naturales, Exactas y Tecnología, Departamento de Matemática https://orcid.org/0000-0003-3465-2640

Palabras clave:

Perceptrón, Red neuronal artificial, COVID-19

Resumen

El objetivo de este trabajo es clasificar pacientes con síntomas de COVID-19 utilizando la estructura de una red neuronal artificial, optimizándola mediante el método de Stochastic gradient descent (SGD) y el método Adam. Los paquetes Tensorflow fueron de gran utilidad para obtener el modelo de forma secuencial y los resultados que aseguran que es posible modificar o insertar datos nuevos. La incorporación de la red neuronal artificial nos permitirá hacer una clasificación que toma en cuenta el 99% de la variabilidad de la(s) variable(es) dependiente(s) dentro del conjunto de datos.  

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Berzal, F. (2019). Redes neuronales y Deep learning. España, Editorial Universidad de Granada.
Bishop, C. (1995). Neuronal networks for pattern recognition. Gran Bretaña, Oxford university Press.

Gulli, A., Kapoor, A. & Pal, S. (2019). Deep Learning with TensorFlow 2 and Keras: Regression, ConvNets, GANs, RNNs, NLP, and More with TensorFlow 2 and the Keras API. Gran Bretaña, Editorial Pack Publishing.

Michelen, M., Jones, N. & Stavropoulou, C. (2020). In patients of COVID-19, what are the symptoms and clinical features of mild and moderate cases? The Centre for Evidence-Based Medicine develops, promotes and disseminates better evidence for healthcare. https://www.cebm.net/covid-19/in- patients- ofcovid-
19- what- are- the- symptoms- and- clinical - features- of - mild- andmoderate-case/

Rosenblatt, F. (1960). Perceptron simulation experiments, Proceedings of the IRE, vol. 48, no. 3, pp. 301–309.
Tama, B. & Lim, S. (2020). A Comparative Performance Evaluation of Classification Algorithms for Clinical Decision Support Systems, Mathematics, vol. 8, no. 10, 1814.
Trujillo, J. (2020). Modelización de la predicción de riesgo de la dinámica de transmisión de la influenza en la provincia de panamá (tesis de postgrado). Universidad de Panamá, Panamá.

Descargas

Publicado

2022-07-20

Cómo citar

Trujillo González, J. E. y Martínez Valderrama, I. V. (2022) «UN MODELO MATEMÁTICO DE CLASIFICACIÓN DE PACIENTES CON SINTOMAS COVID-19», Tecnociencia, 24(2), pp. 66–77. Disponible en: https://revistas.up.ac.pa/index.php/tecnociencia/article/view/3071 (Accedido: 29 noviembre 2022).

Número

Sección

Artículos