Mostrar el registro sencillo del objeto digital

dc.contributor JOSE SERGIO RUIZ CASTILLA, /
dc.contributor.author Urdañez Carbajal, María Fernanda
dc.date.accessioned 2024-02-22T17:41:39Z
dc.date.available 2024-02-22T17:41:39Z
dc.date.issued 2024-02-08
dc.identifier.uri http://hdl.handle.net/20.500.11799/140159
dc.description Tesis de Maestría es
dc.description.abstract Los temas de clasificación y predicción para el área de computación han sido un gran reto, intentando buscar más aplicaciones eficientes en las que sean de utilidad todas estas herramientas para poder mejorarlas o corregirlas. Las redes nueronales han llamado la atención de los estudiosos de la estadística ya que se destaca un buen rendimiento para problemas con mucho ruido o que no sean lineales. Por otro lado, las actividades en línea se han ido reforzando con el paso del tiempo, con la finalidad de ofrecer servicios de manera flexible y sobre todo que sean precisos y seguros. En el campo de la salud se ha buscado aplicar técnicas para poder adaptarse a esta nueva era tecnológica, con la intención de poder atender en la distancia a pacientes, hasta el punto de poder operarlos [1] La automatización de tareas entre las más destacadas, son la evaluación nutricional a poblaciones sanas o con alguna condición que presente enfermedad. En este trabajo se pretende identificar las mejores técnicas para poder clasificar la estructura corporal de las personas o pacientes, que tengan o no una enfermedad y que haya acudido con algún especialista de la salud con la intención de recibir atención para comenzar con un plan alimenticio y hacer ejercicio de acuerdo a sus necesidades físicas y poder mejorar su estado de salud. La obesidad es una enfermedad crónica que se caracteriza por un mayor contenido de grasa corporal en la que influyen diferentes factores como su genética, el lugar donde vive, entre otros [2] La necesidad de atacar esta enfermedad ha promovido diferentes alternativas de solución para mejorar la calidad de vida y disminuir la mortalidad de las personas. es
dc.language.iso spa es
dc.publisher Universidad Autónoma del Estado de México es
dc.rights openAccess es
dc.rights.uri http://creativecommons.org/licenses/by/4.0 es
dc.subject Clasificación es
dc.subject Somatotipos es
dc.subject Redes neuronales es
dc.subject Orange es
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es
dc.title Clasificacion de Somatotipos Mediante Analisis de Bioimpedancia Eléctrica Especial Usando Redes Neuronales Artificial es
dc.type Tesis de Maestría es
dc.provenance Científica es
dc.road Dorada es
dc.organismo Centro Universitario UAEM Texcoco es
dc.ambito Local es
dc.cve.CenCos 30401 es
dc.modalidad Tesis es


Ficheros en el objeto digital

Este ítem aparece en la(s) siguiente(s) colección(ones)

Visualización del Documento

  • Título
  • Clasificacion de Somatotipos Mediante Analisis de Bioimpedancia Eléctrica Especial Usando Redes Neuronales Artificial
  • Autor
  • Urdañez Carbajal, María Fernanda
  • Director(es) de tesis, compilador(es) o coordinador(es)
  • JOSE SERGIO RUIZ CASTILLA, /
  • Fecha de publicación
  • 2024-02-08
  • Editor
  • Universidad Autónoma del Estado de México
  • Tipo de documento
  • Tesis de Maestría
  • Palabras clave
  • Clasificación
  • Somatotipos
  • Redes neuronales
  • Orange
  • Los documentos depositados en el Repositorio Institucional de la Universidad Autónoma del Estado de México se encuentran a disposición en Acceso Abierto bajo la licencia Creative Commons: Atribución-NoComercial-SinDerivar 4.0 Internacional (CC BY-NC-ND 4.0)

Mostrar el registro sencillo del objeto digital

openAccess Excepto si se señala otra cosa, la licencia del ítem se describe cómo openAccess

Buscar en RI


Buscar en RI

Usuario

Estadísticas