Temario
Tema 1. INTRODUCCIÓN. Bases de la decisión clínica. Usos de un sistema de ayuda a la decisión clínica. Aplicaciones de estos sistemas. Ejemplos desarrollados.
Tema 2. PROBABILIDAD Y ESTADÍSTICA. Probabilidad. Distribuciones de probabilidad. Momentos estadísticos. Contraste de hipótesis. Análisis de supervivencia.
Tema 3. PREPROCESADO DE LOS DATOS. Datos ausentes y datos atípicos. Preprocesado avanzado: análisis de componentes principales, agrupamiento de datos. Mapas autoorganizados.
Tema 4. MODELOS LINEALES. Covarianza y Correlación. Regresión simple. Regresión múltiple. Regresión Robusta. Regresión logística. Regresión no lineal.
Tema 5. MODELOS NO LINEALES; REDES NEURONALES. Definición y clasificación. Limitaciones de los modelos lineales. Neurona y perceptrón multicapa. Regla delta. Algoritmo de retropropagación, variaciones. Análisis de sensibilidad. Funciones de base radial.
Tema 6. MODELOS NO LINEALES; ÁRBOLES DE DECISIÓN. Definición. Entropía, entropía condicionada. Ganancia en información. Árboles de regresión. Toma de decisiones.
Tema 7. SISTEMAS BORROSOS. Funciones de pertenencia. Operaciones entre conjuntos borrosos. Variables lingüísticas. Sistema de inferencia borroso. Desborrosificador. Sistemas expertos borrosos. Ejemplos en ingeniería biomédica. Librería de lógica borrosa en Matlab.