/ lunes 11 de mayo de 2020

Científicos de La Salle lanzan plataforma para el monitoreo y predicción de Covid-19

La plataforma está a cargo de Roberto Antonio Vázquez Espinoza, especialista en Inteligencia Artificial y Minería de Datos, miembro del SNI del Conacyt

Científicos e investigadores de la Universidad de La Salle lanzaron una plataforma para el monitoreo y predicción de Covid-19 en México, a través de algoritmos que permiten analizar la información oficial de la Secretaría de Salud y predecir cómo evolucionará la epidemia en el país.

La plataforma está a cargo de Roberto Antonio Vázquez Espinoza, especialista en Inteligencia Artificial y Minería de Datos, miembro del SNI del Conacyt, y puede consultarse a través de la página monitoreocovid.lasalle.mx ,con la que se pretende abonar a la toma de decisiones y planeación estratégica para mitigar el impacto económico y social de la pandemia.

"Para La Salle, como una universidad orientada a la investigación y a la creación de conocimiento, es de vital importancia resolver problemáticas reales de la sociedad y que México necesita. Con proyectos como este, contribuimos a la información y toma de decisiones por el bienestar de las familias mexicanas", informó esta universidad.

Cabe mencionar que, a días del pico más alto de contagios en México, la plataforma también busca mantener informada a la población sobre la situación actual del coronavirus al dar cuenta del número de casos confirmados, sospechosos, negativos y confirmados activos, defunciones, de hospitalizados en el corto y mediano plazo, así como predecir cuándo se va alcanzar el máximo número de casos y el término de la pandemia en México.

El Grupo de Investigación en Sistemas Inteligentes Aplicados de la Universidad La Salle utiliza una metodología que combina estrategias para diseño automático de redes neuronales artificiales con cómputo evolutivo y principios básicos de predicción de series de tiempo y regresión.

Los datos de esta plataforma de monitoreo y predicción son ajustados con las cifras abiertas de la Secretaría de Salud, donde una vez construidos los modelos, se seleccionan aquellos que otorgan el menor error de ajuste con respecto a los datos históricos y se estimulan con los datos históricos.

Para predecir el número potencial de casos confirmados, decesos y hospitalizados para los siguientes días, se calcula el valor promedio de la predicción para cada día, así como su error de estimación con diferentes niveles de confianza.

Al momento se incorporaron a la Plataforma de monitoreo y predicción de la evolución de Covid-19 en México cinco modelos diferentes:

Redes Neuronales Artificiales, Modelo Gausiano, Modelo Logarítmico Sigmoisal (LogSig), Modelo Suspected-Infected-Recovered (SIR), y Modelo Suspected-Infected-Recovered Ponderado (SIR Ponderado).

El modelo de Redes Neuronales genera una predicción a corto plazo utilizando como información de entrada el número de casos acumulados, mientras que el Modelo Gausiano se utiliza para la predicción a largo plazo al introducir el número de casos por día.

Para el modelo LogSig se utiliza como factor de entrada el número de casos acumulado para la predicción a largo plazo, en tanto que los modelos SIR y SIR Ponderado, utiliza para sus predicciones a largo plazo el número de casos acumulados y número de decesos acumulado.

Te recomendamos ⬇️



Apple Podcasts

Google Podcasts

Spotify

Omny


Lee también ⬇️

Científicos e investigadores de la Universidad de La Salle lanzaron una plataforma para el monitoreo y predicción de Covid-19 en México, a través de algoritmos que permiten analizar la información oficial de la Secretaría de Salud y predecir cómo evolucionará la epidemia en el país.

La plataforma está a cargo de Roberto Antonio Vázquez Espinoza, especialista en Inteligencia Artificial y Minería de Datos, miembro del SNI del Conacyt, y puede consultarse a través de la página monitoreocovid.lasalle.mx ,con la que se pretende abonar a la toma de decisiones y planeación estratégica para mitigar el impacto económico y social de la pandemia.

"Para La Salle, como una universidad orientada a la investigación y a la creación de conocimiento, es de vital importancia resolver problemáticas reales de la sociedad y que México necesita. Con proyectos como este, contribuimos a la información y toma de decisiones por el bienestar de las familias mexicanas", informó esta universidad.

Cabe mencionar que, a días del pico más alto de contagios en México, la plataforma también busca mantener informada a la población sobre la situación actual del coronavirus al dar cuenta del número de casos confirmados, sospechosos, negativos y confirmados activos, defunciones, de hospitalizados en el corto y mediano plazo, así como predecir cuándo se va alcanzar el máximo número de casos y el término de la pandemia en México.

El Grupo de Investigación en Sistemas Inteligentes Aplicados de la Universidad La Salle utiliza una metodología que combina estrategias para diseño automático de redes neuronales artificiales con cómputo evolutivo y principios básicos de predicción de series de tiempo y regresión.

Los datos de esta plataforma de monitoreo y predicción son ajustados con las cifras abiertas de la Secretaría de Salud, donde una vez construidos los modelos, se seleccionan aquellos que otorgan el menor error de ajuste con respecto a los datos históricos y se estimulan con los datos históricos.

Para predecir el número potencial de casos confirmados, decesos y hospitalizados para los siguientes días, se calcula el valor promedio de la predicción para cada día, así como su error de estimación con diferentes niveles de confianza.

Al momento se incorporaron a la Plataforma de monitoreo y predicción de la evolución de Covid-19 en México cinco modelos diferentes:

Redes Neuronales Artificiales, Modelo Gausiano, Modelo Logarítmico Sigmoisal (LogSig), Modelo Suspected-Infected-Recovered (SIR), y Modelo Suspected-Infected-Recovered Ponderado (SIR Ponderado).

El modelo de Redes Neuronales genera una predicción a corto plazo utilizando como información de entrada el número de casos acumulados, mientras que el Modelo Gausiano se utiliza para la predicción a largo plazo al introducir el número de casos por día.

Para el modelo LogSig se utiliza como factor de entrada el número de casos acumulado para la predicción a largo plazo, en tanto que los modelos SIR y SIR Ponderado, utiliza para sus predicciones a largo plazo el número de casos acumulados y número de decesos acumulado.

Te recomendamos ⬇️



Apple Podcasts

Google Podcasts

Spotify

Omny


Lee también ⬇️

Policiaca

Camión tipo torton choca contra camioneta de peregrinos en la México-Puebla; hay 10 heridos

Automovilistas que circulaban por la zona, al percatarse de la magnitud del accidente de inmediato pidieron el auxilio de ambulancias