Sistema de selección de características discriminantes en patrones médicos

Abstract

Un problema en métodos de clasificación es elegir las características óptimas para distinguir entre las clases, ya que el número de atributos afecta directamente al desempeño en el aprendizaje supervisado de cualquier método de inteligencia artificial. Las memorias asociativas son modelos de clasificación de patrones, los cuáles nos permiten aplicar técnicas de selección de características (Feature Selection) y además tienen un proceso de entrenamiento altamente paralelizable. Con este trabajo se busca la combinación de características en patrones médicos que optimice la clasificación mediante una memoria asociativa, sin la necesidad de repetir el proceso de entrenamiento.