- -

Desarrollo de un sistema de predicción del parto inminente en mujeres con amenaza de parto prematuro mediante algoritmos computacionalmente eficientes:valoración del desempeño de random forest y/o extreme learning machine

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Desarrollo de un sistema de predicción del parto inminente en mujeres con amenaza de parto prematuro mediante algoritmos computacionalmente eficientes:valoración del desempeño de random forest y/o extreme learning machine

Show full item record

Pastor Tronch, J. (2020). Desarrollo de un sistema de predicción del parto inminente en mujeres con amenaza de parto prematuro mediante algoritmos computacionalmente eficientes:valoración del desempeño de random forest y/o extreme learning machine. http://hdl.handle.net/10251/156476

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/156476

Files in this item

Item Metadata

Title: Desarrollo de un sistema de predicción del parto inminente en mujeres con amenaza de parto prematuro mediante algoritmos computacionalmente eficientes:valoración del desempeño de random forest y/o extreme learning machine
Author: Pastor Tronch, Julio
Director(s): Prats Boluda, Gema Ye Lin, Yiyao
UPV Unit: Universitat Politècnica de València. Departamento de Ingeniería Electrónica - Departament d'Enginyeria Electrònica
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Read date / Event date:
2020-09-08
Issued date:
Abstract:
[ES] La amenaza de parto prematuro (APP) es una de las principales causas de hospitalización en todo el mundo durante la segunda etapa del embarazo e implica una serie de tratamientos de elevado coste y cierto riesgo tanto ...[+]


[EN] The threat of preterm labour is one of the main causes of hospitalization throughout the world during the second stage of pregnancy and involves a series of high cost treatments and some risk for both the mother and ...[+]
Subjects: Electrohisterografía , KNN , Random Forest , Extreme Learning Machine , Árboles de decisión , Parto prematuro , Electrohisterography , Decision Trees , Preterm birth
Copyrigths: Cerrado
Publisher:
Universitat Politècnica de València
degree: Grado en Ingeniería Biomédica-Grau en Enginyeria Biomèdica
Type: Proyecto/Trabajo fin de carrera/grado

This item appears in the following Collection(s)

Show full item record