A COVID-19 é um dos maiores problemas de saúde pública enfrentados no Brasil e no mundo atualmente. Para essa pesquisa utilizou-se de dados disponibilizados pela plataforma Brasil.io. Dessa forma usou-se de algoritmos com regressão polinomial para predizer os casos de COVID-19, com base no treinamento e teste a partir dos dados extraidos dos boletins diários que são fornecidos pela Secretaria de Saúde do Município. Os resultados obtidos foram satisfatórios visto que foram próximos aos observados na realidade. Assim, o classificador Random Forest (RF) obteve os melhores resultados com 83,70% de taxa média do coeficiente de determinação frente aos 54,50% obtidos pelo Support Vector Machine (SVM).
A dislexia é uma das dificuldades de aprendizagem mais comum nas salas de aula. Dessa forma o estudo teve como finalidade a classificação de crianças com ou sem dislexia através da aplicação de técnicas de Inteligência Computacional (IC). Para a metodologia utilizou-se de uma base de dados pública e da aplicação das arquiteturas neurais, Multilayer Perceptron (MLP), Radial Basis Function (RBF) e Extreme Learning Machine (ELM) e dos classificadores estatísticos, Support Vector Machine (SVM), Random Forest (RF) e K-Nearest Neighbors (K-NN), assim como das técnicas k-fold, SMOTE e normalização z-score. Os resultados demonstraram que o classificador SVM obteve a melhor taxa média de acerto com 98,03% de acurácia.
O transtorno do especto autista (TEA) intriga pesquisadores no mundo inteiro. Nesse sentido esse trabalho aborda um estudo sobre o uso da Inteligência Artificial (IA) como ferramenta auxiliar para rastreio do TEA em adultos. Este trabalho teve como objetivo desenvolver um sistema auxiliar com base nos classificadores SVM e MLP como ferramenta de detecção de traços autísticos em adultos. A metodologia foi implementada com base em 610 amostras de indivíduos com/sem o TEA de um banco de dados público, através do software WEKA utilizando o SVM e a MLP, validação cruzada k-fold, z-score e a técnica SMOTE. Os resultados mostraram para a acurácia do SVM uma taxa média de 99,48% enquanto que para a MLP foi de 95,42%.
As doenças crônicas não transmissíveis são responsáveis por aproximadamente 40 milhões de óbitos anuais no mundo. Com base nessa premissa, este trabalho teve como objetivo verificar a possibilidade da presença ou ausência de ataque cardíaco, de forma a auxiliar na classificação desse desses indivíduos. A metodologia trabalhada nesse artigo foi implementada com base em 303 amostras de indivíduos de um banco de dados público, com a aplicação das técnicas validação cruzada k-fold, z-score e a técnica SMOTE. Os resultados mostraram para a acurácia do RF uma taxa média de 94,26%, para a SVM 90,65%, RBF 83,48% e 86,18% para a MLP.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.