разхода

В
В 		В

Персонализирани услуги

Член

  • Испански (pdf)
  • Статия в XML
  • Препратки към статии
  • Как да цитирам тази статия
  • Автоматичен превод
  • Изпратете статия по имейл

Индикатори

  • Цитирано от SciELO
  • Достъп

Свързани връзки

  • Подобно в SciELO

Дял

Fides et Ratio - списание за културно и научно разпространение на университета La Salle в Боливия

версия В он-лайн В ISSN 2071-081X

Fides Et RatioВ том 14В номер 14В комплект La PazВ, 2017 г.

ОРИГИНАЛНИ ПРЕДМЕТИ

Изследване на изразходването на калории в тялото с помощта на експертна хранителна система, решаваща размити данни

Изследване на телесната маса от хранителна експертна система, разрешаваща размити данни

Ана Лурд Варгас Ривера 1
[email protected]
Институт за научни изследвания и технологии, Университет Ла Сале-Боливия
Получен артикул: 11.11.2016г Приета статия: 28.04.2017

Експертните системи имат способността да помагат на човешкия експерт и затова едно от основните им приложения е в областта на медицината. Поради това основната цел на изследването в тази статия е да изследва ползите, които можем да получим от създаването и разработването на експертна система за разрешаване на размити данни чрез описателно корелационно проучване, което помага да се оцени разхода на калории на пациент и по този начин да се получи система за подкрепа по отношение на хранителната диагноза на дадено лице. Поради това бяха анализирани общо 30 случая, както мъже, така и жени с възрастови граници от 13 до 30 години в град Ла Пас, селекция, направена от не-вероятностно вземане на проби по квоти. В резултатите беше забелязано, че съществува корелация между използвания модел за сравнение (Lipocalibre), процентът на успех на SEN в сравнение с модела е 97%, така че може да се каже, че той е ефективен инструмент и експерт за подкрепа диетолог.

Ключови думи: Неясни данни, изкуствен интелект, хранене, експертни системи.

Експертните системи имат способността да помагат на човешкия експерт и затова едно от основните им приложения е в областта на медицината.

Следователно основната цел на разследването на тази статия е да проучи ползите, които могат да бъдат получени от създаването и разработването на експертна система за разрешаване на дифузни данни чрез корелационно дескриптивно изследване, което помага да се оцени разходът на калории на пациента, и по този начин да се получи система за подкрепа при хранителната диагностика на дадено лице. Поради тази причина бяха анализирани общо 30 случая, както мъже, така и жени с възрастови граници от 13 до 30 години в град Ла Пас, селекция, направена от не-вероятностно вземане на проби по квоти. В резултатите беше възможно да се забележи, че съществува корелация между използвания модел за сравнение (Lipocalibre), процентът на успех на SEN в сравнение с модела е бил 97%, така че може да се потвърди, че той е ефективен и подкрепящ инструмент Експерт диетолог.

Ключови думи: Изкуствен интелект, Експертни системи, Неясни данни, Хранене.

Въведение

Поради това се мисли за разработването на експертна система с цел подпомагане на специалиста по хранене за осъществяване на по-добра диагноза и с тази помощ на пациента за правилния контрол на диетата и грижите за вашето здраве.

Състояние на експертните системи

„Експертните системи са клон на AI (Изкуствен интелект), който широко използва специализирани знания за решаване на проблеми като човешки специалист“ (Giarratano and Riley, 2001, стр. 2) Експертната система е емулатор на човешките разсъждения и който има знанията на експерт по определен предмет. Той трябва да може да обработва информацията по такъв начин, че да може да се учи от определени несигурни ситуации и да разсъждава за решаването на проблемите в тези ситуации.

Структура на експертна система

Базираната на знания експертна система работи с потребител, който предоставя информацията на системата (входна информация) и получава преживяването като отговор (изходна информация). В рамките на експертната система базата от знания е тази, която предоставя данните на механизма за извод, за да се получат резултатите.

Разработване на експертна система

Както при разработването на всеки тип система, експертната система има етапи в своето развитие, които са:

Етап 1: Определяне на проблема. Идентификация.
Етап 2: Търсете експерта или източника на знания.
Етап 3: Идентифициране на ключови понятия и данни.
Етап 4: Избор на поддръжката: Хардуер и софтуер.
Етап 5: Придобиване на знания I.
Етап 6: Представяне на знанието и формализиране на разсъжденията.
Етап 7: Разработване на прототип. Тестване и валидиране
Етап 8: Придобиване на знания II.
Етап 9: Поддръжка и актуализиране. "(Идалго, 1996, стр. 179 - 205)

Обратна верига

SEN ще извърши обратна или обратна верига, тъй като събира важна информация от оценяваното лице, преди да направи своята хипотеза и да предпише адекватна диета.

Експертната система ще има схема като тази на производствена система за представяне на знания. Неговата структура ще бъде от типа:

SEN = (BC, RP, Control)

За предписване на диети, експертът диетолог се нуждае от някои елементарни данни за пациента (тегло, височина, пол, възраст), в допълнение към лабораторно изследване, при което количествата химически вещества, които човек има в кръвта, се виждат по ред за да направите това.по-късно изчислете количеството килокалории (Kcal.), които човек трябва да консумира ежедневно.

Следователно базата от знания за СОП е както следва:

• Да ИТМ> = 20,1 и ИТМ

В • Да ИТМ> 25 тогава наднормено тегло

В допълнение към това, SEN изчислява количеството килокалории, които оценяваното лице трябва да консумира на ден, за да поддържа или достигне идеалния процент на телесна маса, съгласно предоставените данни.

Изчислението, което ще направи експертната система, е следното според предоставените данни:

„Има различни формули, но най-използваната днес е формулата на Харис-Бенедикт. Тази формула е различна за всеки пол:

MB Мъж: 66 473 + (13 751 х тегло в кг) + (5 0033 х височина в см) - (6 7550 х възраст в години)

MB Жена: 655,1 + (9,463 х тегло в кг) + (1,8 х височина в см) - (4,6756 х възраст в години) "(Алиментацин, 2015)

С изчисляването на формулите получаваме базовите калорични разходи (калорични разходи на тялото в покой), за да се получи крайната калорична котка, са необходими следните формули:

По този начин крайният разход на калории ще бъде изчислен, както следва:

• Заседнали хора (Те практически не правят физически упражнения): Калорични разходи на основния метаболизъм x 1.2

• Леко активни хора (те правят леки упражнения 1 до 3 пъти седмично): Калорични разходи за базален метаболизъм x 1375

В • Умерено активни хора (те практикуват спортове 3 до 5 пъти седмично): Калорични разходи за базален метаболизъм x 1,55

• Много активни хора (те практикуват спорт 6 до 7 дни в седмицата): Калорични разходи за базален метаболизъм x 1,725

В • Хиперактивни хора (те изпълняват много интензивни физически упражнения, поне 2 часа на ден спортуват или имат интензивна физическа работна дейност): Калорични разходи на основния метаболизъм х 1,9 "(Алиментацин, 2015)

Работата на експертна система зависи от два много важни фактора:

"а.1) Системата за извод, отговарящ за извършването на процеса на мотивиране.

b.1) Базата знания, Той съдържа информацията относно проблема, който трябва да бъде решен под формата на лингвистични правила. "(Peregrán Rubio, стр. 7)

Източникът на знания за СОП са избраните правила, приложими за всички случаи и знанията за казуса, които се дават от консултациите, направени на потребителя.

Инициализация на глобални променливи

- Първоначално празна фактическа база

Методология

Проектиране на експертна система

В • Много лека физическа активност

• Лека физическа активност

В • Умерена физическа активност

В • Интензивна физическа активност

• Изключителна физическа активност

Това би означавало, че категорията физическа активност, към която принадлежи оценяваното лице, е „Светлина“, с това вече можем да направим изчисление на общите изгорени калории.

Резултати и дискусия

В град Ла Пас беше проведено статистическо проучване, сравняващо успеха по отношение на ИТМ, изчислен от софтуера, и ИТМ, изчислен от липокалибър (ръчен инструмент).

Използваните променливи бяха полът и възрастта на група от 30 души в интервал от 13 до 30 години, оценени от диетолога и по-късно от софтуера.

Процентът на успех при изчисляването на телесната маса на софтуера в сравнение с липокалибра е 97%. Следователно, в първата фаза на изследването може да се заключи, че изчислението, направено от софтуера, е 97% надеждно.

По отношение на изчисления ИТМ са използвани следните правила за класифициране на получения индекс:

• ИТМ 18,5 - 24,9 -> Здравословно тегло

• ИТМ 25,0 - 29,9 -> Наднормено тегло

• ИТМ 30,0 - 39,9 -> Затлъстяване

• ИТМ> 40 -> Тежко затлъстяване

В рамките на извадката бяха избрани 33% от хората с индекс на телесна маса между 18,5 и 24,9, което показва, че те са с адекватно тегло.

В рамките на анкетираната група резултатите показват, че мъжете са по-склонни към наднормено тегло от жените и, напротив, жените са по-склонни да имат поднормено тегло спрямо височината си.

Заключения и препоръки

В получените данни се наблюдава, че степента на успех на хранителната експертна система е средно 97% в сравнение с инструмент, широко използван от диетолозите, наречен липокалибър.

1 системен инженер, специализиран в уеб дизайн и разработка и изкуствен интелект

Препратки

Ahmad, M., & de Stewart, H. (2012). Мнозинството на Борда се брои. Холандия: Факултет по икономически и бизнес науки UVA. [Връзки]

Храна, Ф. (2015). Как да изчислим дневните калорични разходи-Хранене и фитнес. Получено от http://comeconsalud.com/alimentacion-nutricion/como-calcular-el-gasto-calorico-diario/ [Връзки]

Garcгa P., C. R. (2013). Системи, базирани на обратна верига. Кочабамба, Боливия: кметът на Универсидад де Сан Симан Инфротика - Системи.

Hidalgo, L. A. (1996). Изкуствен интелект и експертни системи. Cиrdoba, Аржентина: Редакционен Universidad de CГіrdoba, служба за публикации. [Връзки]

Munera, L. E. (1991). Изкуствен интелект и експертни системи. Изкуствен интелект и експертни системи. Кали - Колумбия: Редакционен университет Universidad Icesi. [Връзки]

RodrGguez, J. E., & Romero G., M. (2001). Експертна система за формулиране на хранителни диети по ентерален път при хората. Богот, Колумбия: списание Tecnura. [Връзки]