MODELOS DE MARKOV OCULTOS: UN AMBIENTE DE APRENDIZAJE PARA DETECCIÓN TEMPRANA DE ENFERMEDADES

dc.contributor.author	Vacca González, Harold
dc.contributor.author	Núñez Mejía, Sebastián
dc.contributor.author	García Hurtado, Orlando
dc.date.accessioned	2023-11-22T17:52:12Z
dc.date.available	2023-11-22T17:52:12Z
dc.date.issued	2023-11-23
dc.identifier.uri	http://rein.umcc.cu/handle/123456789/2355
dc.description.abstract	Los modelos de Markov ocultos (HMMs) consideran la incertidumbre inherente a datos y detección de patrones de datos complejos que no son identificables con otros métodos. En este artículo, se presenta desde el análisis de una señal ECG y el enfoque estadístico y probabilístico, la comprensión del uso de HMMs en la detección de enfermedades cardiovasculares –infartos-, de manera que la secuencia teórica y práctica propuesta enriquezca un ambiente de aprendizaje a través en el contexto de casos cercanos a la realidad clínica.	es
dc.language.iso	es	es
dc.subject	Procesos estocásticos, Cadenas de Markov Ocultas, ECG, Ambiente de Aprendizaje	es
dc.title	MODELOS DE MARKOV OCULTOS: UN AMBIENTE DE APRENDIZAJE PARA DETECCIÓN TEMPRANA DE ENFERMEDADES	es
dc.title.alternative	HIDDEN MARKOV MODELS: A LEARNING ENVIRONMENT FOR EARLY DETECTION OF DISEASES	es
dc.type	Article	es