Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Espinoza Cabrera, Jorge Luis"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Item
    Sistema inteligente basado en redes neuronales para el diagnóstico de anemia ferropénica
    (Universidad Nacional Mayor de San Marcos, 2012) Espinoza Cabrera, Jorge Luis; Muñoz Guia, Edinson Moisés; Rivera Escriba, Luis Antonio
    Actualmente en el Perú, los índices de anemia aumentan de manera acelerada, siendo la más común la anemia Ferropénica y que afecta en su mayoría a la población infantil de las zonas marginales. Pero además de ello cabe resaltar que los factores causantes de los distintos tipos de anemia pueden tener similitudes entre ellas, conllevando que los diagnósticos realizados por los médicos especialistas puedan ser no tan certeros o exactos como se espera. Ello causa que el tratamiento asignado al paciente, para el supuesto tipo de anemia detectado, no sea el adecuado, siendo esto perjudicial para la persona quien padece dicha enfermedad. Por lo antes expuesto, el tema de este trabajo se centra en el desarrollo de un sistema que use las técnicas de redes neuronales artificiales para el diagnóstico certero de la anemia ferropénica. En este trabajo se propone el uso de una red neuronal artificial (Perceptrón Multicapa) para el diagnóstico de Anemia Ferropénica, una enfermedad muy común y que afecta a gran parte de la población a nivel mundial. Esta red neuronal realizará su fase de aprendizaje haciendo uso del algoritmo BackPropagation, con la cual se obtuvo una tasa de error de 2.25 % y cuya construcción, validación y testeo se realizó empleando MatLab, así mismo se empleó la tecnología Java para el desarrollo de la aplicación que utilizó dicha red.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback