Resumen

El artículo trata sobre la predicción de ECG basada en la clasificación de redes neuronales de diferentes tipos de series temporales de señales de ECG. El objetivo principal es reconocer ciclos normales y arritmias y realizar un diagnóstico más detallado. Se propusieron dos sistemas de detección que se crearon utilizando redes neuronales. La parte experimental permite cargar las señales de ECG, preprocesarlas y clasificarlas en clases determinadas. Las salidas de los clasificadores tienen un carácter predictivo. Todos los resultados experimentales de ambos clasificadores propuestos se comparan mutuamente en la conclusión. También se experimentó con un nuevo método de predicción transparente de series temporales basado en la transformada difusa con reglas lingüísticas SI-ENTONCES. Los resultados preliminares muestran resultados interesantes basados en la capacidad única de este enfoque para brindar una interpretación en lenguaje natural de una predicción particular, es decir, las propiedades de las series temporales.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Redes neuronales; Señales de ECG; Clasificación; Arritmias; Diagnóstico; Series temporales
• Keywords:Neural networks; ECG signals; Classification; Arrhythmias; Diagnosis; Time series