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

Julio Enrique Trujillo González; Iveth Verónica Martínez Valderrama

Enviado julio 20, 2022

Publicado 2022-07-20

Artículos

Vol. 24 Núm. 2 (2022): Tecnociencia

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

Julio Enrique Trujillo González⁺⁻
Iveth Verónica Martínez Valderrama⁺⁻

PDF

Citación:

DOI: ND

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: 21 noviembre 2024).

Aviso de derechos de autor/a

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.