Los sistemas sostenibles de e-salud pueden optimizarse empoderando a los pacientes en programas de autocuidado a través de ecosistemas de inteligencia artificial en los que tanto los médicos como los pacientes interactúan de manera ágil. Este trabajo propone simuladores basados en agentes como un mecanismo para predecir las repercusiones de ciertos programas de autocuidado en ciertos pacientes para encontrar los más apropiados. Para hacer esto fácil tanto para los médicos como para los pacientes, se utilizan agentes móviles para configurar una aplicación para cada paciente, y esta aplicación proporciona los recursos para cada programa de autocuidado. Los agentes móviles incluyen un módulo de aprendizaje automático para aprender qué programas son los más apropiados para cada paciente. Este enfoque se ilustra con dos simuladores basados en agentes para reducir respectivamente emociones negativas como la depresión y controlar los valores extremos de variabilidad de la frecuencia cardíaca relacionados con el estrés. La aplicación resultante fue evaluada con un grupo de usuarios con la escala de Utilidad, Satisfacción y
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un algoritmo mejorado de aprendizaje profundo seguro para la detección de fraudes en comunicaciones inalámbricas.
Artículo:
Simulación de controladores digitales
Artículo:
Proyecto de sincronización proyectiva de función modificada en tiempo predefinido para sistemas caóticos de múltiples desplazamientos a través de la tecnología de control de modo deslizante.
Artículo:
Reconocimiento de ataques de suplantación de cara mediante parches de imagen discriminativos
Artículo:
Prediciendo la pandemia de coronavirus en tiempo real utilizando aprendizaje automático y un sistema de transmisión de datos masivos.