Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/64768
Título : | Aprendizaje supervisado en conjuntos de datos no balanceados con redes neuronales artificiales: métodos de mejora de rendimiento para modelos de clasificación binaria en diagnóstico médico |
Autoría: | Águila Martínez, Juan |
Tutor: | Solanas, Agusti |
Otros: | Universitat Oberta de Catalunya |
Resumen : | El presente trabajo aborda el problema del reconocimiento de patrones en un conjunto de datos obtenido a partir de imágenes digitalizadas de muestras de líquido de tumor mamario mediante test de aguja fina o FNA. Dicho conjunto de datos presenta un marcado desequilibrio de clases, además de otras características que degradan el rendimiento de las técnicas de clasificación supervisada habituales, como la escasez de datos o el efecto Hughes. |
Palabras clave : | estadística multivariante redes neuronales |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 15-jun-2017 |
Licencia de publicación: | http://www.gnu.org/licenses/gpl.html |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
jaguilamaTFM0617memoria.pdf | Memoria del TFM | 6,94 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.