Autor
- Andrés Leonardo Jutinico
- Carlos Enrique Awad García
- Erika Vergara
- Maria Angélica Palencia
- Mario Enrique Duarte González
Time series forecasting for tuberculosis incidence employing neural network models Artículo académico
Perfil
Resumen
- Todos los esfuerzos encaminados a detener la expansión de la Tuberculosis son importantes para la lucha de los programas nacionales contra esta enfermedad. Diferentes herramientas computacionales han sido propuestas con el fin de diseñar nuevas estrategias que permitan manejar pacientes potenciales y así proporcionar el tratamiento correcto. En este trabajo se utilizaron redes neuronales artificiales para el pronóstico de series de tiempo, las cuales fueron entrenadas con información de casos reportados obtenida de la institución nacional de vigilancia en Colombia. Se propusieron tres modelos neuronales con el fin de determinar el mejor de acuerdo a su desempeño en el pronóstico. La primera aproximación empleó un modelo autorregresivo no lineal, la segunda propuesta utilizó una red neuronal recurrente y la tercera propuesta se basó en funciones de base radial. Los resultados se presentan en términos del porcentaje medio de error, lo que indica que los modelos basados en métodos tradicionales muestran un mejor rendimiento que los conexionistas. Estos modelos contribuyen a obtener información dinámica sobre la incidencia, lo que supone una ayuda adicional para que las autoridades sanitarias propongan más estrategias para controlar la propagación de la enfermedad.
autores
-
http://vivoweb.org/ontology/core#FacultyMemberOrjuela Cañón, Alvaro David
fecha de publicación
- 2022-7-1
Área temática
Edición
- 8
Identidad
Número Internacional Normalizado de Publicaciones Seriadas (ISSN)
- 2405-8440