摘要:Neste artigo, investigamos o aprendizado de máquina baseado na modelagem matemática envolvendo modelos bayesianos x conexionistas, aplicado no auxílio ao diagnóstico de eventos epilépticos (EEs) e eventos não epilépticos (ENEs). Para esta finalidade alguns algoritmos de aprendizado de máquina foram comparados incluindo o aprendizado conexionista através das regras Delta Generalizada, Hebb, Oja, juntamente com o aprendizado em redes bayesianas. Foram considerados para este estudo 122 pacientes os quais apresentavam sintomas relacionados com EEs e ENEs. Os resultados empíricos desta pesquisa indicam que: (1) ambas as abordagens bayesianas e conexionistas são bastante similares, mostrando que os resultados são coerentes, mesmo utilizando heurísticas distintas; (2) o índice de acertos de casos positivos (EEs), por meio da modelagem bayesiana pode estar relacionado com a facilidade de implementação das probabilidades condicionais. Concluiu-se, portanto, que os modelos investigados fornecem informações importantes para o desenvolvimento de novas pesquisas tanto na área bayesiana como na área conexionista.
其他摘要:In this article, we investigated the machine learning based on the mathematics modeling bayesian and connectionist, applied to support in the diagnostic of epileptic events (EEs) and non-epileptic events (NEEs). To this end, some algorithms of machine learning were compared including the connectionist learning through Generalized Delta, Hebb and Oja rules learning, with the learning in Bayesian Networks. There were considered to this study 122 patients which showed symptoms related to EEs and NEEs. The empiric results of this search indicate that: (1) both bayesian and connectionist approaches are too similar, revealing consistent results, even using distinct heuristics; (2) the indices of positive cases (EEs), from the bayesian modeling may be related to the facility of the implementation of the conditional probabilities. It was concluded, therefore that the investigated models give important information to the development of new searches as in the bayesian field as in the connectionist field.