Aplicación del modelo Neuro-Difuso ANFIS para la clasificación de la obesidad en niños y adolescentes

Translated title of the contribution: Application of the ANFIS Neuro-Fuzzy model for the classification of obesity in children and adolescents

Jose Alfredo Sulla Torres, Christian Soto-Paredes, Rocío Cárdenas-Soria, Lucía Huancco-Coila, Luis Alberto Alfaro Casas

Research output: Chapter in Book/Report/Conference proceedingConference contributionpeer-review

Abstract

The objective of this article is to classify obesity in boys and adolescents, between 6 and 17 years old, using Neural Networks and Fuzzy Logic. The neuro-diffuse model ANFIS (Fuzzy Inference System of the Artificial Neural Network) was chosen, which is in the toolbox of Matlab. ANFIS includes a complete set of features for both the fuzzification, defuzzification, training and testing. Experimental tests show a 96.96% accuracy in classification and 3.04% error.

Translated title of the contributionApplication of the ANFIS Neuro-Fuzzy model for the classification of obesity in children and adolescents
Original languageSpanish
Title of host publicationProceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
PublisherLatin American and Caribbean Consortium of Engineering Institutions
ISBN (Electronic)9780999344316
DOIs
StatePublished - 2018
Event16th LACCEI International Multi-Conference for Engineering, Education Caribbean Conference for Engineering and Technology - Lima, Peru
Duration: 18 Jul 201820 Jul 2018

Publication series

NameProceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
Volume2018-July
ISSN (Electronic)2414-6390

Conference

Conference16th LACCEI International Multi-Conference for Engineering, Education Caribbean Conference for Engineering and Technology
Country/TerritoryPeru
CityLima
Period18/07/1820/07/18

Bibliographical note

Funding Information:
En el estado de arte consultado tenemos el trabajo de Umoh e Isong [5], se presenta un estudio de la clasificación de la obesidad en adultos en sano, sobrepeso y obesidad, teniendo como entrada los atributos de IMC, que es considerado el principal criterio para el tratamiento de la obesidad [6], en el que se estableció tres conjuntos difusos (bajo, normal y alto), BF (grasa corporal) en él se estableció tres conjuntos difusos (bajo, normal y alto) y WC (longitud de la circunferencia de la cintura) para este atributo se estableció tres conjuntos difusos (pequeño, mediano y largo). La evaluación y clasificación se realiza en el sistema neuro-difuso ANFIS de Matlab, en el cual se estableció un modelo difuso basado en funciones de pertenencia triangular para establecer el grado de pertenencia a los conjuntos difusos y se estableció 27 reglas difusas. De este trabajo, se tomó la idea de trabajar con la herramienta ANFIS para el estudio, pero se tomó otros atributos como datos de entrada como: peso, estatura e IMC; y con un modelo difuso basado en funciones de pertenencia trapezoidal, realizando el estudio en datos agrupados por edad en niños y adolescentes Otro trabajo sobre clasificación de obesidad es el de Jayakumar y Arunraj [7], en este trabajo se propone un modelo para la evaluación de los niveles de tratamiento de la obesidad en relación con los valores del índice de masa corporal (IMC) usando ecuaciones diferenciales parciales de tipo parabólico, con lógica difusa para evaluar la aceleración del cambio de valor del IMC, durante el tratamiento de la obesidad reportando si el tratamiento es adecuado o no. En este artículo se resalta la importancia de fijar reglas difusas adecuadas, para el modelo. De este artículo se resalta la naturaleza imprecisa o incierta de los parámetros utilizados (como IMC, peso, BF, entre otros) para decir si una persona tiene obesidad o no, por lo que podemos justificar el uso de lógica difusa para elaborar modelos de predicción de la obesidad Los autores Khanna, Srinath y Mendiratta [8] presentan un estudio de obesidad en niños agrupados por edad de cuatro a 6 años usando lógica difusa; tomando como atributos de entrada el índice de masa corporal y la actividad física realizada, el sistema de predicción se implementa utilizando la herramienta fuzzy toolbox de Matlab, el cual funciona como una caja negra, el motor de inferencia aplica el método de Mamdani para evaluar la entrada difusa; el modelo difuso utilizado sigue una función de pertenencia triangular. De este trabajo realizado, se tomó la idea de agrupar los datos por edad, para realizar un estudio más real sobre la predicción de la obesidad, debido a que los atributos para predecir la obesidad cambian con la edad y no son los mismos de una edad a la otra.

Funding Information:
Aplicación del modelo Neuro-Difuso ANFIS para la clasificación de la obesidad en niños y adolescentes

Publisher Copyright:
© 2018 Latin American and Caribbean Consortium of Engineering Institutions. All rights reserved.

Fingerprint

Dive into the research topics of 'Application of the ANFIS Neuro-Fuzzy model for the classification of obesity in children and adolescents'. Together they form a unique fingerprint.

Cite this