Resumen

La incertidumbre de los datos de la cardiotocografía es una tarea crítica para la clasificación en el campo biomédico. Es necesario construir un clasificador bueno y eficiente mediante algoritmos de aprendizaje automático para ayudar a los médicos a diagnosticar el estado de la frecuencia cardíaca del feto. El sistema de diagnóstico neutrosófico propuesto es un marco de red neuronal rugosa de intervalos basado en el algoritmo de retropropagación. Se beneficia de las ventajas de la teoría de los conjuntos neutrosóficos no sólo para mejorar el rendimiento de las redes neuronales rugosas, sino también para lograr un mejor rendimiento que los demás algoritmos. Los resultados experimentales visualizan los datos utilizando el boxplot para una mejor comprensión de la distribución de atributos. La medición del rendimiento de la matriz de confusión para el marco propuesto es de 95,1, 94,95, 95,2 y 95,1 en relación con la tasa de exactitud, la precisión, el recuerdo y la puntuación F1, respectivamente. La aplicación WEKA se utiliza para analizar la medición del rendimiento de los datos de cardiotocografía de diferentes algoritmos, por ejemplo, la red neuronal, la tabla de decisión, el vecino más cercano y la red neuronal aproximada. La comparación con otros algoritmos muestra que el marco propuesto es un clasificador factible y eficiente. Además, la curva característica de funcionamiento del receptor muestra las clasificaciones del marco propuesto de los estados patológico, normal y sospechoso mediante áreas de 0,93, 0,90 y 0,85 que se consideran altas y aceptables bajo la curva, respectivamente. La mejora de las medidas de rendimiento del marco propuesto mediante la eliminación de atributos ineficaces a través de la selección de características sería un avance adecuado en el futuro. Además, el marco propuesto también puede utilizarse en varios problemas de la vida real, como la clasificación de coronavirus, medios sociales e imágenes de satélite.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal rugosa, marco propuesto, clasificador eficiente, medición del rendimiento, algoritmo de aprendizaje automático, frecuencia cardíaca fetal, clasificación de coronavirus, medición del rendimiento de los datos, incertidumbre de los datos de cardiotocografía, teoría de conjuntos neutros
• Keywords:rough neural network, proposed framework, efficient classifier, performance measurement, machine learning algorithm, fetus heart rate, classification of coronavirus, data performance measurement, cardiotocography data uncertainty, neutrosophic set theory