Enfoque de aprendizaje híbrido evolutivo para redes neuronales en la clasificación de casos médicos

Publicación:
Entidad Editora:
Editor Técnico:
ISSN:
Ejemplar/Número:

Cateoría:
Páginas:
Colección:
Fecha de inicio:
Periodicidad:

Programación Matemática y Software
Universidad Autónoma del Estado de Morelos
Dr.Marco Antonio Cruz Chávez
2007-3283

Volumen 9, Número 3 /Octubre de 2017
Periodo Octubre-Enero 2018
Artículo de Investigación
64-74
Computación

Octubre del 2017

Cuatrimestral

 

 

 

 

 

 

PDF (356 KB)

Erick Estrada Patiño1,Guadalupe Castilla Valdez1,Juan Frausto Solís1,Jesús David Terán Villanueva1

1División de Posgrado e Investigación, Tecnológico Nacional de México: Instituto Tecnológico de Ciudad Madero. Instituto Tecnológico de Ciudad Madero. Av. 1o. de Mayo esq. Sor Juana Inés de la Cruz s/n Col. Los Mangos C.P.89440.Ciudad Madero, Tamaulipas, México.

Recibido: 15 de Junio del 2017 Aceptado: 10 de noviembre del 2017 Publicado en línea: 15 de diciembre del 2017

Resumen. La inteligencia artificial ha ayudado a diversas áreas médicas como lo es el campo del diagnóstico médico, en el que ha servido como un apoyo al profesional de la salud para emitir un diagnóstico. Esto se logra a través de diversas técnicas de inteligencia artificial como lo son los árboles de decisión, agentes inteligentes, máquinas de soporte vectorial, minería de datos o redes neuronales. Una forma de utilizar las redes neuronales para apoyar el diagnóstico médico es usarlas como clasificadores. Esto es, con base en un archivo clínico histórico y representativo, construir un modelo neuronal que permita clasificar nuevos casos. Las redes evolutivas según la literatura representan una herramienta más precisa que las redes neuronales clásicas. En este trabajo se propone el uso de una red neuronal híbrida doblemente evolutiva que evoluciona tanto las topologías como los valores sinápticos de cada topología. La experimentación realizada, muestra que la red neuronal híbrida evolutiva obtiene resultados competitivos con respecto a las redes neuronales evolutivas clásicas.

Palabras Clave: Red Neuronal Evolutiva, Algoritmo Genético, Búsqueda dispersa.

 

Abstract. Artificial intelligence has helped several medical areas such as the field of medical diagnosis, in which it has served as a support to the health professional to issue a diagnosis. This is achieved through various techniques of artificial intelligence such as decision trees, intelligent agents, support vector machines, data mining or neural networks. One way to use neural networks to support medical diagnosis is to use it as classifier. This is, based on a historical and representative clinical file, to construct a neural model that allows to classify new cases. Evolutionary networks according to the literature represent a more precise tool than the classical neural networks. In this paper we propose the use of a doubly evolutionary hybrid neural network that evolves both, the topologies and the synaptic values of each topology. Experimentation shows that the evolutionary hybrid neural network obtains competitive results with respect to the classic evolutionary neural networks.

Keywords: Evolutionary Neural Network, Genetic Algorithm, Scatter Search.

Juan Frausto Solís(Autor de correspondencia)
Email:juan.frausto@gmail.com