Aprendizaje Paramétrico en las redes bayesianas para el Diagnostico de enfermedades cardiovasculares


Authors

  • Guillermo Roberto Solarte Martinez Universidad Tecnologica de Pereira
  • José A. Soto Mejía
  • Carlos Augusto Meneses Escobar

DOI:

https://doi.org/10.22517/23447214.8605

Keywords:

Bayesian networks, databases, diagnostics, disease, parametric learning

Abstract

En esta investigación  se muestra que el aprendizaje paramétrico en una red bayesiana puede ser usado en el diagnóstico de enfermedades cardiovasculares. El objetivo es determinar si se debe o no aplicar fármacos a un paciente con enfermedad cardiovascular utilizando como herramienta una aplicación de software en Java, realizada por los autores. Las redes bayesianas  se utilizan como representación grafica del conocimiento previo y métodos de razonamiento en  modelos probabilísticos. Para la creación de una red existen dos fases de aprendizaje: aprendizaje estructural y aprendizaje paramétrico. En  este estudio se hizo uso del aprendizaje paramétrico.

Downloads

Download data is not yet available.

Author Biography

Guillermo Roberto Solarte Martinez, Universidad Tecnologica de Pereira

[1] Bayesian Artificial Intelligence. Kevin B. Korb, Ann

E. Nicholson. Boca Raton, Fla: CRC Press, 2011. Jensen,

 

[2]  [Ezequiel Felgaer], p. (2008, abril). Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción disponible en: www.fi.uba.ar/ materias/7500/ felgaer-tesisingenieriainformatica.pdf

 

[3] Frías Blanco Isvani; Ortiz Díaz Agustín. Clasificadores y Multiclasificadores con   cambio de concepto basados en Árboles De  Decisión. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, Vol. 14,  Núm. 45, 2010, pp. 32-43 Asociación Española para la Inteligencia Artificial España http://redalyc.uaemexx/src/inicio/ArtPdfed.jsp?iCve=

 

[4] [Herkovits y Copper] Herskovits, E. H. Computer-

based probabilistic network construction. Doctoral Dissertation. Medical Information Sciences, Stanford  University, Stanford, CA, 1991.

Downloads

Published

2014-09-30

How to Cite

Solarte Martinez, G. R., Soto Mejía, J. . A., & Meneses Escobar, C. A. (2014). Aprendizaje Paramétrico en las redes bayesianas para el Diagnostico de enfermedades cardiovasculares. Scientia Et Technica, 19(3), 282–289. https://doi.org/10.22517/23447214.8605

Issue

Vol. 19 No. 3 (2014)

Section

Sistemas y Computación

License

Copyrights

The journal is free open access. The papers are published under the Creative Commons Attribution / Attribution-NonCommercial-NoDerivatives 4.0 International - CC BY-NC-ND 4.0 license. For this reason, the author or authors of a manuscript accepted for publication will yield all the economic rights to the Universidad Tecnológica of Pereira free of charge, taking into account the following:

In the event that the submitted manuscript is accepted for publication, the authors must grant permission to the journal, in unlimited time, to reproduce, to edit, distribute, exhibit and publish anywhere, either by means printed, electronic, databases, repositories, optical discs, Internet or any other required medium. In all cases, the journal preserves the obligation to respect, the moral rights of the authors, contained in article 30 of Law 23 of 1982 of the Government Colombian.

The transferors using ASSIGNMENT OF PATRIMONIAL RIGHTS letter declare that all the material that is part of the article is entirely free of copyright.  Therefore, the authors are responsible for any litigation or related claim to intellectual property rights. They exonerate of all responsibility to the Universidad Tecnológica of Pereira (publishing entity) and the Scientia et Technica journal. Likewise, the authors accept that the work presented will be distributed in free open access, safeguarding copyright under the Creative Commons Attribution / Recognition-NonCommercial-NoDerivatives 4.0 International - https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es license.