Browsing by Author
Showing results 1 to 20 of 169
next >
- ECHEGARAY TORRES, M.C.JOSE LUIS 1
- Echevería Díaz, Victor F.%68535 1
- Echeverria Ignacio, Ernesto 1
- Echeverria Ignacio, Ernesto%1106015 1
- Eduardo Gamero Inda %80950, FRANCISCO JAVIER 1
- Egurrola Zepeda, Jesús María 1
- Egurrola Zepeda, Jesús María%1133023 1
- Ek Chulim, María Fernanda 1
- Ek Chulim, María Fernanda%795946 1
- EK EK, JOSÉ FRANCISCO 1
- EK EK, JOSÉ FRANCISCO%1081520 1
- Ek Kauil, Miguel Arturo 1
- Ek Kauil, Miguel Arturo%922207 1
- ELENES ROSAS, DAVID HORACIO 1
- ELENES ROSAS, DAVID HORACIO%1351935 1
- ELISEO DANTÉS, HORTENSIA 6
- ELIZALDE TORRES, ALEJANDRO 1
- ELIZARRARAS HERNANDEZ, JAQUELIN#EIHJ890816MDFLRQ09 1
- EMILIA CANTERA, ERIKA%647271 3
- En la presente tesis, JULIO CÉSAR%952025 se describe el diseño de modelos híbridos inteligentes para la agrupación, clasificación, y predicción utilizando redes neuronales modulares y sistemas difusos tipo-1 y el uso de algoritmos genéticos para la optimización de las técnicas antes mencionadas. Para el módulo de clasificación el método consiste en optimizar los parámetros de las funciones de membresía entradas y salidas de un sistema difuso tipo-1 utilizando un algoritmo genético. En el método de agrupación se utilizan los mapas autoorganizados de Kohonen para formar 4 agrupaciones según la gravedad de los casos detectados de COVID-19, diabetes e hipertensión y son mostrados en un mapa mundial al usar datos de diferentes países y en un mapa de México al usar datos de México y sus estados. En el módulo para la predicción se utilizan redes neuronales modulares, con un integrador de valor mínimo, y un integrador difuso tipo-1, y un algoritmo genético para la optimización del número de neuronas de dos capas ocultas y se realizan pruebas estadísticas para comprobar si el método optimizado es mejor que el no optimizado. 1