витрат

В
В 		В

Індивідуальні послуги

Стаття

  • Іспанська (pdf)
  • Стаття в XML
  • Посилання на статті
  • Як цитувати цю статтю
  • Автоматичний переклад
  • Надішліть статтю електронною поштою

Показники

  • Цитується SciELO
  • Доступ

Пов’язані посилання

  • Подібне в SciELO

Поділіться

Fides et Ratio - Журнал культурного та наукового розповсюдження Університету Ла Салле в Болівії

версія В он-лайн В ISSN 2071-081X

Fides Et RatioВ том 14В номер 14В Ла ПазВ комплект.В 2017

ОРИГІНАЛЬНІ ТОВАРИ

Вивчення витрат калорій в організмі за допомогою експертної системи харчування, що вирішує нечіткі дані

Вивчення маси тіла за допомогою експертної системи з питань харчування, що визначає нечіткі дані

Ана Лурд Варгас Рівера 1
[email protected]
Інститут досліджень у галузі науки і техніки, Університет Ла-Салле-Болівія
Отриманий товар: 11.11.2016 Прийнята стаття: 28.04.2017

Експертні системи мають можливість допомогти експерту-людині, і тому одне з основних напрямків їх застосування - у галузі медицини. Завдяки цьому основною метою дослідження в цій статті є вивчення переваг, які ми можемо отримати від створення та розробки експертної системи для розмиття нечітких даних за допомогою описового кореляційного дослідження, яке допомагає оцінити витрату калорійності пацієнта, і таким чином отримати систему підтримки щодо діагностики харчування окремої людини. Тому було проаналізовано в цілому 30 випадків, як чоловіків, так і жінок у віці від 13 до 30 років у місті Ла-Пас, вибір, який був зроблений на основі неімовірнісної вибірки за квотами. У результатах було помічено, що існує взаємозв'язок між використаною моделлю порівняння (Lipocalibre), відсоток успіху СОП порівняно з моделлю становив 97%, тому можна сказати, що це ефективний інструмент та експерт підтримки дієтолог.

Ключові слова: Нечіткі дані, Штучний інтелект, Харчування, Експертні системи.

Експертні системи мають можливість допомогти експерту-людині, і тому одне з основних напрямків їх застосування - у галузі медицини.

Тому основною метою розслідування цієї статті є вивчення переваг, які можна отримати від створення та розробки експертної системи для розрізнення дифузних даних за допомогою кореляційного описового дослідження типу, яке допомагає оцінити витрати калорійності пацієнта, і таким чином отримати систему підтримки в діагностиці харчування окремої людини. З цієї причини в місті Ла-Пас було проаналізовано 30 випадків, як чоловіків, так і жінок у віковому діапазоні від 13 до 30 років, вибір, який був зроблений на основі неімовірнісної вибірки за квотами. У результатах можна було помітити, що існує взаємозв'язок між використаною моделлю порівняння (Lipocalibre), відсоток успіху СОП порівняно з моделлю становив 97%, тому можна стверджувати, що вона є ефективною та підтримуючою інструмент Експерт-дієтолог.

Ключові слова: Штучний інтелект, Експертні системи, Нечіткі дані, Харчування.

Вступ

Завдяки цьому думається про розробку експертної системи з метою підтримки професіонала в галузі харчування для реалізації кращого діагнозу, а разом з цим допомогти пацієнтові правильно контролювати своє харчування та турботу про своє здоров'я.

Сучасний рівень експертних систем

"Експертні системи - це галузь ШІ (Штучний інтелект), яка широко використовує спеціалізовані знання для вирішення таких проблем, як спеціаліст-людина" (Giarratano and Riley, 2001, p. 2). Експертна система є емулятором людських міркувань і знання експерта з певної теми. Він повинен вміти обробляти інформацію таким чином, щоб він міг вчитися на певних невизначених ситуаціях та міркувати про вирішення проблем у цих ситуаціях.

Структура експертної системи

Експертна система, що базується на знаннях, працює з користувачем, який надає інформацію системі (вхідна інформація) та отримує досвід у відповідь (вихідна інформація). В рамках експертної системи базою знань є та, яка надає дані механізму висновків для отримання результатів.

Розробка експертної системи

Як і при розробці будь-якого типу системи, експертна система має етапи свого розвитку, які:

Етап 1: Визначення проблеми. Ідентифікація.
Етап 2: Пошук експерта або джерела знань.
Етап 3: Визначення ключових понять та даних.
Етап 4: Вибір підтримки: Апаратне та програмне забезпечення.
Етап 5: Набуття знань I.
Етап 6: Представлення знань та формалізація міркувань.
Етап 7: Розробка прототипу. Тестування та перевірка
Етап 8: Набуття знань II.
Етап 9: Технічне обслуговування та оновлення. "(Ідальго, 1996, с. 179 - 205)

Зворотний ланцюжок

SEN виконує зворотний або зворотний ланцюжок, оскільки збирає важливу інформацію від оцінюваної особи, перш ніж скласти гіпотезу та призначити адекватну дієту.

Експертна система матиме схему, подібну схемі виробничої системи, для представлення знань. Його структура матиме такий тип:

SEN = (BC, RP, Control)

Для призначення дієт фахівець-дієтолог потребує певних елементарних даних про пацієнта (вага, зріст, стать, вік), на додаток до лабораторного дослідження, в якому кількість хімічних речовин, які людина має у крові, видно в порядку згодом розрахувати кількість кілокалорій (Ккал.), яку людина повинна вживати щодня.

Отже, база знань про СОП така:

• Так ІМТ> = 20,1 та ІМТ

В • Так ІМТ> 25 потім Надмірна вага

На додаток до цього, SEN обчислює кількість кілокалорій, яку обстежуваний повинен споживати на день, щоб підтримувати або досягти ідеального відсотка маси тіла, згідно з наданими даними.

Розрахунок, який зробить експертна система, є наступним відповідно до наданих даних:

"Існують різні формули, але сьогодні найбільш часто використовується формула Гарріса-Бенедикта. Ця формула різна для кожної статі:

MB Чоловік: 66 473 + (13 751 x вага у кг) + (5 0033 x зріст у см) - (6 7550 x вік у роках)

MB Жінка: 655,1 + (9,463 х вага у кг) + (1,8 х зріст у см) - (4,6756 х вік у роках) "(Аліментацин, 2015)

Розраховуючи формули, ми отримуємо базальну витрату калорій (калорійність витрат організму в стані спокою), для отримання кінцевої калорійності кішки потрібні наступні формули:

Таким чином, остаточні витрати калорій будуть розраховуватися наступним чином:

• Сидячі люди (вони практично не виконують фізичних вправ): Калорійність витрат основного обміну х 1.2

• Трохи активні люди (вони роблять легкі вправи 1-3 рази на тиждень): витрата калорій на базальний обмін х 1375

В • Помірно активні люди (вони займаються спортом від 3 до 5 разів на тиждень): Калорійність витрат базального обміну х 1,55

• Дуже активні люди (вони займаються спортом 6-7 днів на тиждень): Калорійність витрат основного обміну х 1725

В • Гіперактивні люди (вони виконують дуже інтенсивні фізичні вправи, щонайменше 2 години на день займаються спортом або мають інтенсивну фізичну роботу): Калорійність витрат основного метаболізму х 1,9 "(Аліментацин, 2015)

Робота експертної системи залежить від двох дуже важливих факторів:

"а.1) Система умовиводу, відповідальний за проведення процесу міркувань.

б.1) База знань, Він містить інформацію про проблему, що підлягає вирішенню, у формі лінгвістичних правил ". (Перегрен Рубіо, с. 7)

Джерелом знань про СОП є обрані правила, що застосовуються до всіх випадків, і знання з конкретного випадку, які надаються в результаті консультацій, зроблених користувачеві.

Ініціалізація глобальних змінних

- Спочатку порожня база фактів

Методологія

Експертна система проектування

В • Дуже легкі фізичні навантаження

• Помірні фізичні навантаження

В • Помірні фізичні навантаження

В • Інтенсивні фізичні навантаження

• Виняткові фізичні навантаження

Це означало б, що категорія фізичної активності, до якої належить оцінювана особа, - "Світло", за допомогою цього ми вже можемо зробити підрахунок загальної кількості спалених калорій.

Результати і обговорення

Статистичне дослідження було проведено в місті Ла-Пас, порівнюючи успіх з точки зору ІМТ, розрахованого за допомогою програмного забезпечення, та ІМТ, обчисленого ліпокалібром (ручний прилад).

В якості змінних використовувались стать і вік групи з 30 осіб у діапазоні від 13 до 30 років, оцінені дієтологом, а згодом і програмним забезпеченням.

Відсоток успіху в обчисленні фізичної маси програмного забезпечення порівняно з ліпокалібрем становив 97%. Отже, на першому етапі дослідження можна зробити висновок, що розрахунок, зроблений програмним забезпеченням, є надійним на 97%.

Щодо розрахункового ІМТ, для класифікації отриманого індексу використовувались наступні правила:

• ІМТ 18,5 - 24,9 -> Здорова вага

• ІМТ 25,0 - 29,9 -> Надмірна вага

• ІМТ 30,0 - 39,9 -> Ожиріння

• ІМТ> 40 В -> Важке ожиріння

В рамках вибірки було обрано 33% людей з індексом маси тіла від 18,5 до 24,9, що вказує на те, що вони мають достатню вагу.

Результати досліджуваної групи показують, що чоловіки схильні до надмірної ваги, ніж жінки, і навпаки, жінки частіше мають нижчу вагу у порівнянні зі своїм зростом.

Висновки та рекомендації

В отриманих даних було помічено, що ступінь успішності дієтологічної експертної системи складає в середньому 97% порівняно з інструментом, який широко застосовується дієтологами, який називається ліпокалібр.

1 системний інженер, що спеціалізується на веб-дизайні та розробці та штучному інтелекті

Список літератури

Ahmad, M., & de Stewart, H. (2012). Більшість Борда враховує. Нідерланди: Факультет економічних та ділових наук UVA. [Посилання]

Їжа, Ф. (2015). Як розрахувати добові витрати калорій - Харчування та фітнес. Отримано з http://comeconsalud.com/alimentacion-nutricion/como-calcular-el-gasto-calorico-diario/ [Посилання]

Гарча П., Ч. Р. (2013). Системи, засновані на зворотному ланцюжку. Кочабамба, Болівія: Університетський міський голова Сан-Сімана Інфроматика-Системи.

Ідальго, Л. А. (1996). Штучний інтелект та експертні системи. Сергіоба, Аргентина: Редакційний університет Сергіоби, служба публікацій. [Посилання]

Мунера, Л. Е. (1991). Штучний інтелект та експертні системи. Штучний інтелект та експертні системи. Калі - Колумбія: Редакційний університет Ісісі. [Посилання]

Родггез, Дж. Е., Ромеро Г., М. (2001). Експертна система для складання харчових дієт ентеральним шляхом у людей. Боготь, Колумбія: журнал Tecnura. [Посилання]