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

The undersigned authors declare that the article submitted to the journal Scientia et Technica is an original work and that all its content is free of third-party copyright restrictions or has the corresponding authorizations. Consequently, the authors assume responsibility for any litigation or claim related to intellectual property rights, releasing the Technological University of Pereira and the journal Scientia et Technica from any liability.

If the submitted work is accepted for publication, the authors retain copyright to the article and grant the journal Scientia et Technica the right of first publication, as well as a non-exclusive, perpetual license to reproduce, edit, distribute, display, and publicly communicate the article in any medium or format, including print, electronic, databases, repositories, the Internet, or other scientific dissemination systems. The authors agree that the article will be published in open access and distributed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0).

The journal Scientia will respect in all cases the moral rights of the authors, in accordance with the provisions of article 30 of Law 23 of 1982 of the Republic of Colombia, recognizing the authorship of the work, the right to integrity and the right of disclosure, which are inalienable and non-waivable.