Mostrar el registro sencillo de la publicación

dc.contributor.authorFernandez-Grandon, Carlos
dc.contributor.authorSoto, Ismael
dc.contributor.authorZabala-Blanco, David
dc.date.accessioned2024-05-07T15:58:38Z
dc.date.available2024-05-07T15:58:38Z
dc.date.issued2023
dc.identifier.urihttp://repositorio.ucm.cl/handle/ucm/5374
dc.description.abstractThis study proposes a methodology for iris-based diabetes detection in 130 subjects, in which geometric transformations and changes in brightness and contrast were applied to increase to 1300 images, and a selection of 10% of the pixels were selected, and 13 principal components were used to feed an Extreme Learning Machine with the Adam optimization algorithm, a learning rate of 0.01, 256 neurons in the hidden layer, and a batch size of 128. After performing five-fold cross-validation, the results demonstrated balanced performance, with a mean accuracy of 0.9992, mean F1-score of 0.9988, and mean AUC of 0.9999 for diabetes detection.es_CL
dc.language.isoenes_CL
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Chile*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/cl/*
dc.sourceIEEE CHILEAN Conference on Electrical, Electronics Engineering, Information and Communication Technologies (CHILECON), Valdivia, Chile, 1-6es_CL
dc.subjectExtreme learning machineses_CL
dc.subjectNeuronses_CL
dc.subjectDiabeteses_CL
dc.subjectInformation and communication technologyes_CL
dc.subjectFeedses_CL
dc.subjectOptimizationes_CL
dc.subjectPrincipal component analysises_CL
dc.titleExtreme learning machine for iris-based diabetes detectiones_CL
dc.typeArticlees_CL
dc.ucm.facultadFacultad de Ciencias de la Ingenieríaes_CL
dc.ucm.indexacionScopuses_CL
dc.ucm.uriieeexplore.ieee.org/document/10418742es_CL
dc.ucm.doidoi.org/10.1109/CHILECON60335.2023.10418742es_CL


Ficheros en la publicación

FicherosTamañoFormatoVer

No hay ficheros asociados a esta publicación.

Esta publicación aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo de la publicación

Atribución-NoComercial-SinDerivadas 3.0 Chile
Excepto si se señala otra cosa, la licencia de la publicación se describe como Atribución-NoComercial-SinDerivadas 3.0 Chile