Research: Histopathological cancer images classification with Deng entropy
La entropÃa Deng es una medida de inespecificidad o incertidumbre y discordancia que toma la asignación básica de probabilidad (ABP), también conocida como función de masa. En una imagen histopatolócia de cáncer nos permite obtener una serie de números que le llamamos vector para alimentar la red LSTM.
.
Autores: Aldo Ramirez-Arellano y Pilar Ortiz-Vilchis
Ya que hemos explicado como construir la red veamos como se analiza para obtener el Ãndice de aprendizaje en lÃnea.
Veamos el siguiente video.
Autor: Pilar Ortiz-Vilchis
Sin embargo, hay que considerar que para utilizar el termino "Cardiometabolismo" de manera correcta tenemos que emplear conocimientos de diferentes áreas de la medicina y ciencias de la salud, e incluso valerse de disciplinas que separadas, pero no alejadas y mucho menos no útiles, ayudan a llegar al entendimiento de los procesos salud-enfermedad-respuesta al tratamiento de las afectaciones cardiometabólicas. Es decir el cardiometabolismo es un área MULTIDISCIPLINARIA.
De manera que un enfoque multidisciplinario permitirá reducir el riesgo, la morbilidad y la mortalidad; asà como, mejorar el conocimiento, el abordaje y el tratamiento de las afectaciones cardiometabólicas tanto a nivel básico como a nivel aplicado (clÃnico).
La educación y las matemáticas suelen entenderse de manera separada, sin embargo existen maneras en las que pueden conjuntarse.
En la educación a distancia es difÃcil medir el desempeño académico, pues los estudiantes pueden consultar los contenidos de aprendizaje en cualquier momento, en cualquier lugar y las veces que los estudiantes lo consideren necesario; algo que en la educación presencial es difÃcil.
De manera que, para medir el desempeño de los estudiantes a distancia de manera objetiva, se creó un Ãndice basado en la teorÃa de Redes Complejas.
Para poder calcular éste Ãndice, primero, a partir de las interacciones Estudiante-Plataforma Educativa, se creó una Red. La red de aprendizaje individual se construyó mediante la extracción de los registros de Moodle de dónde se obtuvieron: la hora de inicio, la hora de finalización, el tipo y el nombre de un evento de aprendizaje (revisión de una lección, cargar una actividad de aprendizaje, exámenes en lÃnea, una publicación en un foro).
Primero, se ordenaron cronológicamente, por hora de inicio (vea la parte superior de la figura siguiente). Entonces, si dos eventos de aprendizaje no son paralelos (su lapso de lÃnea de tiempo no se superpone), se agrega un arco desde el primer evento de aprendizaje (evento A) al segundo (evento B) (ver la parte inferior de la figura).
Notablemente, C es paralelo a B durante algún tiempo; asÃ, se suman dos arcos: de A a B y de A a C.
Dado que el intervalo de tiempo de C está dentro del intervalo de tiempo de B, se agrega un arco de C a B. Se descubre D (nodo paralelo con B); y, un arco de A a D se agrega a la red. Finalmente, C y D son secuenciales y se agrega un arco. Cuando B termina, D se ha disparado y un arco es adicionado.
Además, esta red captura la dimensión temporal del aprendizaje, el orden de los eventos y tiene una ventaja práctica. Por ejemplo, suponiendo que B es un examen y los estudiantes no pueden navegar por ninguna lección durante este tiempo; la red en la parte inferior de la figura muestra que un estudiante viola esta restricción al explorar la lección C.
