Identificación de la delimitación administrativa de la malaria usando redes neuronales artificiales

La metodología de clustering fue utilizada para agrupar tres barrios en Quibdó teniendo en cuenta factores que favorecen el desarrollo de la malaria. Los mapas auto-organizados de Kohonen fueron utilizados para el análisis de las características más significativas en la clasificación. Los clusters detectados fueron comparados con la clasificación geográfica de las casas, encontrando, que los mapas auto-organizados de Kohonen clasifican las casas por las condiciones ambientales propicias para el desarrollo del mosquito más que por la clasificación administrativa de la ciudad.

• Autores: Salazar-Vasquez, Fredy A.; Osorio-Serna, Carlos; Caicedo-Giraldo, María Alejandra; Alfonso-Morales, Wilfredo; Caicedo-Bravo, Eduardo F.
• Tipo de recurso: Article of journal
• Fecha de publicación: 2017
• Institución: Universidad de los Llanos
• Repositorio: Repositorio Digital Universidad de los LLanos
• Idioma: spa
• OAI Identifier: oai:repositorio.unillanos.edu.co:001/3956
• Acceso en línea: https://repositorio.unillanos.edu.co/handle/001/3956; https://doi.org/10.22579/20112629.547
• Palabra clave: Artificial Neural Networks; Clustering; Malaria; Self-organized map of Kohonen; Clustering; Malária Urban; Mapa Auto Organizado Kohonen; Redes Neurais Artificiais; Clustering; Malaria urbana; Mapa Auto Organizado de Kohonen; Red Neuronal Artificial
• Rights: openAccess
• License: Orinoquia - 2019