| Summary: | 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.
|
|---|
