Análise de Desempenho com Redes Neurais Artificiais, Arquiteturas MLP e RBF para um Problema de Classificação de Crianças com Autismo

Abstract

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.

Cardiac Disease Diagnosis Using K-Nearest Neighbor Algorithm: A Study on Heart Failure Clinical Records Dataset

“…The F-measure (also known as the F1 Score) is a measure that combines accuracy and recall into a single metric, providing an overall assessment of the effectiveness of a binary rating model [de Brito et al, 2020]. The F-Measure is calculated from the harmonic mean of precision and recall.…”

Avaliação Comportamental por Meio de Triagem com a Lógica Fuzzy Para o Auxílio na Predição de Tracos Esquizofrênicos em Adultos Segundo Critérios A e B do DSM-5

“…[ de Brito et al 2020] desenvolveu um estudo através da implementação e análise das redes neurais Multilayer Perceptron (MLP) e Radial Basis Function Neural Network (RBF), objetivando comparar resultados baseados no treinamento, teste e classificação de crianças com/sem o transtorno do espectro autista (TEA), através da implementação de uma base de dados composta por 292 amostras de indivíduos de um banco de dados público.…”

Utilização de Modelos Computacionais Baseados em Classificadores Para Predição da Dislexia em Crianças

“…[ de Brito et al 2020b] realizaram um estudo por meio da implementac ¸ão das redes neurais artificiais (RNAs), MLP e RBF a partir de uma base de dados composta por 292 amostras de crianc ¸as com ou sem autismo de um banco de dados público 2 , com validac ¸ão cruzada (k-fold) e normalizac ¸ão z-score. Os resultados foram analisados consi-derando as características e os comportamentos diferentes das RNAs utilizadas, atingindose taxas médias de acerto para a acurácia, com 86,26% para a MLP e 83,12% para a RBF.…”