Análise de Desempenho com Redes Neurais Artificiais, Arquiteturas MLP e RBF para um Problema de Classificação de Crianças com Autismo
DOI:
https://doi.org/10.5753/isys.2020.534Keywords:
Análise, Redes Neurais, AutismoAbstract
As Redes Neurais Artificiais tem-se destacado na resolução de problemas em diversas áreas. Nesse sentido realizou-se um estudo com a implementação e análise das redes Multilayer Perceptron (MLP) e Radial Basis Function Neural Network (RBF), objetivando comparar resultados baseados no treinamento, teste e classificação de crianças com ou sem autismo. A metodologia foi implementada com base em 292 amostras de indivíduos de um banco de dados público, através da ferramenta Matlab R2015a, dividas em 10 partes com validação cruzada. Os resultados foram analisados considerando as características e os comportamentos diferentes das redes implementadas, obtendo-se uma medida da qualidade atingida.
Downloads
Não há dados estatísticos.
Referências
Abbas, H., Garberson, F., Glover, E., and Wall, D. P. (2017). Machine learning for early detection of autism (and other conditions) using a parental questionnaire and home video screening. In Big Data (Big Data), 2017 IEEE International Conference on, pages 3558–3561. IEEE.
Bentes, C. C. A., BARBOSA, D. C., FONSECA, J. R. M., and BEZERRA, L. C. (2016). A família no processo de inclusão social da criança e adolescente com autismo: Desafios na sociedade contemporânea. Intertem@ s Social ISSN 1983-4470, 11(11).
Braga, A. de P.; Carvalho, A. P. de L. F. de; Ludemir, T. B. Redes Neurais Artificiais: Teoria e Aplicações. 2 ed. Rio de Janeiro: LTC, 2007. 260p
Carvalho, S. P., Lima, A. M., Brentani, H. P., Brunoni, D., Fock, R. A., and Nunes, F. L. S. (2016). Uma contribuição ao auxílio do diagnóstico do autismo a partir do processamento de imagens para extração de medidas antropométricas. Revista de Informática Teórica e Aplicada, 23(2):100–123.
Ferreira, A., Ferreira, R. P., da Silva, A. M., Ferreira, A., and Sassi, R. J. (2016). Um estudo sobre previsão da demanda de encomendas utilizando uma rede neural artificial. Blucher Marine Engineering Proceedings, 2(1):353–364.
Gonçalves, P. d. C. et al. (2017). Transtorno do espectro autista: protocolo de intervenção para pais em contexto ambulatorial.
Linstead, E., Burns, R., Nguyen, D., and Tyler, D. (2016). Amp: A platform for managing and mining data in the treatment of autism spectrum disorder. In Engineering in Medicine and Biology Society (EMBC), 2016 IEEE 38th Annual International Conference of the, pages 2545–2549. IEEE.
Nakai, M., Junior, H. G., Aguiar, P., Bianchi, E., and Spatti, D. (2015). Neural tool condition estimation in the grinding of advanced ceramics. IEEE Latin America Transactions, 13(1):62–68.
Pinheiro, T. D. (2018). Classificação de imagens faciais para o auxílio ao diagnóstico do transtorno do espectro autista. PhD thesis, Universidade de São Paulo.
Reis, F. A. (2014). Procedimento de ajuste de parâmetros de redes rbf via pso.
Saudavel, R. M. (2017). O que é autismo, sintomas, tipos (infantil, leve) e mais. [Online; acessado em: 17-novembro].
Souza, L. L. d. (2016). Análise da pressão plantar da marcha de autistas por dinâmica simbólica otimizada por algoritmo genético.
Thabtah, F. (2017). Autism spectrum disorder screening: machine learning adaptation and dsm-5 fulfillment. In Proceedings of the 1st International Conference on Medical and Health Informatics 2017, pages 1–6. ACM.
Thabtah, F. (2018a). An accessible and efficient autism screening method for behavioural data and predictive analyses. Health informatics journal, page 1460458218796636.
Thabtah, F. (2018b). Machine learning in autistic spectrum disorder behavioral research: A review and ways forward. Informatics for Health and Social Care, pages 1–20.
Thabtah, F., Kamalov, F., and Rajab, K. (2018). A new computational intelligence approach to detect autistic features for autism screening. International journal of medical informatics, 117:112–124.
Vigneshwaran, S., Mahanand, B., Suresh, S., and Savitha, R. (2013). Autism spectrum disorder detection using projection based learning meta-cognitive rbf network. In Neural Networks (IJCNN), The 2013 International Joint Conference on, pages 1–8. IEEE.
Bentes, C. C. A., BARBOSA, D. C., FONSECA, J. R. M., and BEZERRA, L. C. (2016). A família no processo de inclusão social da criança e adolescente com autismo: Desafios na sociedade contemporânea. Intertem@ s Social ISSN 1983-4470, 11(11).
Braga, A. de P.; Carvalho, A. P. de L. F. de; Ludemir, T. B. Redes Neurais Artificiais: Teoria e Aplicações. 2 ed. Rio de Janeiro: LTC, 2007. 260p
Carvalho, S. P., Lima, A. M., Brentani, H. P., Brunoni, D., Fock, R. A., and Nunes, F. L. S. (2016). Uma contribuição ao auxílio do diagnóstico do autismo a partir do processamento de imagens para extração de medidas antropométricas. Revista de Informática Teórica e Aplicada, 23(2):100–123.
Ferreira, A., Ferreira, R. P., da Silva, A. M., Ferreira, A., and Sassi, R. J. (2016). Um estudo sobre previsão da demanda de encomendas utilizando uma rede neural artificial. Blucher Marine Engineering Proceedings, 2(1):353–364.
Gonçalves, P. d. C. et al. (2017). Transtorno do espectro autista: protocolo de intervenção para pais em contexto ambulatorial.
Linstead, E., Burns, R., Nguyen, D., and Tyler, D. (2016). Amp: A platform for managing and mining data in the treatment of autism spectrum disorder. In Engineering in Medicine and Biology Society (EMBC), 2016 IEEE 38th Annual International Conference of the, pages 2545–2549. IEEE.
Nakai, M., Junior, H. G., Aguiar, P., Bianchi, E., and Spatti, D. (2015). Neural tool condition estimation in the grinding of advanced ceramics. IEEE Latin America Transactions, 13(1):62–68.
Pinheiro, T. D. (2018). Classificação de imagens faciais para o auxílio ao diagnóstico do transtorno do espectro autista. PhD thesis, Universidade de São Paulo.
Reis, F. A. (2014). Procedimento de ajuste de parâmetros de redes rbf via pso.
Saudavel, R. M. (2017). O que é autismo, sintomas, tipos (infantil, leve) e mais. [Online; acessado em: 17-novembro].
Souza, L. L. d. (2016). Análise da pressão plantar da marcha de autistas por dinâmica simbólica otimizada por algoritmo genético.
Thabtah, F. (2017). Autism spectrum disorder screening: machine learning adaptation and dsm-5 fulfillment. In Proceedings of the 1st International Conference on Medical and Health Informatics 2017, pages 1–6. ACM.
Thabtah, F. (2018a). An accessible and efficient autism screening method for behavioural data and predictive analyses. Health informatics journal, page 1460458218796636.
Thabtah, F. (2018b). Machine learning in autistic spectrum disorder behavioral research: A review and ways forward. Informatics for Health and Social Care, pages 1–20.
Thabtah, F., Kamalov, F., and Rajab, K. (2018). A new computational intelligence approach to detect autistic features for autism screening. International journal of medical informatics, 117:112–124.
Vigneshwaran, S., Mahanand, B., Suresh, S., and Savitha, R. (2013). Autism spectrum disorder detection using projection based learning meta-cognitive rbf network. In Neural Networks (IJCNN), The 2013 International Joint Conference on, pages 1–8. IEEE.
Downloads
Published
2020-01-06
Como Citar
de Brito, R. X., Fernandes, C. A. R., & Amora, M. A. B. (2020). Análise de Desempenho com Redes Neurais Artificiais, Arquiteturas MLP e RBF para um Problema de Classificação de Crianças com Autismo. ISys - Revista Brasileira De Sistemas De Informação, 13(1), 60–76. https://doi.org/10.5753/isys.2020.534
Issue
Section
Artigos regulares
