Jiménez Rafael- Reyes Ayleen Parte 1: Estudio Comparativo Aplicaciones de Lógica Difusa y Machine Learning
Paper 1:Big Data Analysis y Machine Learning en Medicina
Papers de Estudio Intensiva de Machine Learning: Paper 2:The Open International Soccer Database for machine learning
Papers de Estudio Paper 3: Fuzzy Logic Applied to the Performance Evaluation.
de Lógica Difusa : Honduran Coffee Sector Case CUADRO COMPARATIVO
PAPER 1 PAPER 2 PAPER 3
El beneficio radica El futbol representa el deporte La lógica difusa representa una esencialmente en la más importante del mundo. Este herramienta capaz de reducir la automatización y mayor desafío representa una amplia subjetividad y la incertidumbre facilidad de la toma de oportunidad para los en la toma de decisiones, decisiones en el sector de la inversionistas o personas creando algoritmos de trabajo salud mediante la ayuda del interesadas en los resultados de para esta política, que incluye machine Learning y la gran partidos de futbol. Además pesos y análisis multifactoriales cantidad de datos obtenidos en representa un desafío para los con indicadores de medición los hospitales, con el objetivo analistas y estudiosos del que permiten que sean tangibles de agilitar los procesos y crear machine Learning, al obligarse y confiables. Quedando una gran base de datos en a trabajar con datos muchas demostrado en la aplicación al conjunto con varios hospitales. veces volubles e incapaces de sector cafetero. seguir algún tipo de patrón como lo son los datos al azar Parte 2: Desarrollo del Ejercicio # 4 Paso 1: Declaración de Variables Universales Paso 2: Definición de Funciones de Membresía Paso 3: Impresión de Gráficas de Funciones
Edad Tamaño de Tumor Riesgo
Paso 4: Creación de Reglas Paso 5 : Agregación de Reglas y Definición de los Valores de Entrada Paso 6: Resultado Recomendaciones • Es necesario verificar que se encuentren instaladas todas las librerías en este caso para el ejercicio se tuvo que descarga la librería scikit-fuzzy para poder realizar el ejercicio de lógica difusa. • Se debe considerar que se puede desarrollar el ejercicio por 2 formas, en este caso se utilizo la forma fácil la cual atreves de una Api se puede hacer un llamado correcto de las variables en la definición de las reglas. Conclusiones • A través del desarrollo de ejercicios de lógica difusa se observa que el método utilizado es de gran ayuda a la hora de evaluar aspectos cualitativos, obteniendo así resultados de mayor precisión. • La utilización de lógica difusa es importante ya que se pueden evaluar mayor cantidad de variables como variables lingüísticas, no numéricas, simulando el conocimiento humano. Referencias • Izquierdo, N. V., Lezama, O. B. P., Dorta, R. G., Viloria, A., Deras, I., & Hernández-Fernández, L. (2018, June). Fuzzy logic applied to the performance evaluation. Honduran coffee sector case. In International Conference on Sensing and Imaging (pp. 164-173). Springer, Cham. • Dubitzky, W., Lopes, P., Davis, J., & Berrar, D. (2019). The open international soccer database for machine learning. Machine Learning, 108(1), 9-28. • Reiz, A. N., de la Hoz, M. A., & García, M. S. (2019). Big Data Analysis y Machine Learning en Medicina Intensiva. Medicina Intensiva, 43(7), 416-426.