Portal de Eventos Científicos da UTFPR (EVIN), XXIV Seminário de Iniciação Científica e Tecnológica da UTFPR

Tamanho da fonte: 
Utilização de modelos de Perceptron para a classificação de doenças cardíacas
Jeferson Felipe Rio Vicente, Rodrigo dos Santos Veloso Martins

Última alteração: 2020-09-20

Resumo


As técnicas de aprendizado de máquina realizam a função de simular a tomada de decisões que uma pessoa realiza e podem ser utilizadas em diversas áreas como saúde, economia e indústria. Essas técnicas podem ser utilizadas na avaliação de dados volumosos, acelerando diversos processos. Utilizando redes neurais implementadas no software Scilab, este projeto teve como objetivo classificar corretamente a presença ou ausência de doença cardíaca em pacientes que constam na base de dados “Cleveland dataset” presente na página “Heart disease databases” e comparar dois modelos de perceptron. Os dois modelos utilizados foram: o perceptron de camada única e o perceptron de múltiplas camadas com algoritmo de retropropagação. A partir desses modelos constatou-se que o modelo de múltiplas camadas obteve maior acurácia, sensibilidade e especificidade, porém com um custo computacional mais elevado

Palavras-chave


Redes Neurais (computação). Aprendizado do computador. Coração – doenças.

Texto completo: PDF