Resumen

El artículo tiene como objetivo proponer un método distribuido para modelos de aprendizaje automático y su aplicación en el análisis de datos médicos. El gran desafío en el campo de la medicina es proporcionar un modelo escalable de procesamiento de imágenes que integre los requisitos de procesamiento informático y la toma de decisiones médicas asistida por computadora. El método de lógica difusa propuesto se basa en un enfoque distribuido del algoritmo de lógica difusa de tipo-2 y fusiona el HPC (Computación de Alto Rendimiento) y el aspecto cognitivo en un solo modelo. En consecuencia, el método se asigna para ser implementado en el análisis de big data y modelos de predicción de ciencia de datos para aplicaciones de atención médica. El artículo se centra en el método de Lógica Difusa de Tipo-2 Distribuido (DT2FL) propuesto y su aplicación en el análisis de datos de resonancia magnética bajo una arquitectura de agentes móviles virtuales masivamente paralela y distribuida. De hecho, el artículo presenta algunos resultados

• Materias:Filtros borrosos Método difuso Multiconjuntos blandos borrosos Modelo híbrido neurodifuso Derivada fraccionaria difusa
• Subjects:Fuzzy filters Fuzzy method Fuzzy soft multisets Hybrid neuro-fuzzy model Fuzzy fractional derivative
• Palabras claves:Método distribuido; Modelos de aprendizaje automático; Análisis de datos médicos; Método de lógica difusa; Algoritmo de lógica difusa de tipo 2; Aplicaciones de atención médica
• Keywords:Distributed method; Machine learning models; Medical data analysis; Fuzzy logic method; Type-2 Fuzzy logic algorithm; Healthcare applications