Troubles du spectre autistique

Pour assembler le modèle de prédiction de l'autisme, la recherche intègre les méthodes d'intelligence artificielle Random Forest-CART ( arbres de classification et de régression) et Random Forest-ID3 (dichotomiseur itératif 3).Ce modèle est utilisé pour analyser le dossier de recommandation et créer des indicateurs sur la présence ou non de TSA.D'après les résultats de l'évaluation, le modèle de prédiction proposé a donné de meilleurs résultats que prévu pour l'ensemble de données AQ-10 et l'ensemble de données réel en termes d'indicateurs de performance. Cela suggère que le modèle est efficace pour prédire les TSA et qu'il a le potentiel d'offrir des informations utiles sur le diagnostic de l'autisme.En outre, le modèle de prédiction présenté a fait l'objet d'une demande de déplacement dans le cadre de la recherche. Le modèle est appliqué à l'application smartphone pour fournir aux utilisateurs des prédictions sur les TSA , ce qui rend l'utilisation du modèle de prédiction pratique et rapide, ce qui peut être utile pour les personnes à la recherche d'une détection et d'un traitement précoces des TSA.

Autorentext

U. Sivaji est actuellement professeur associé au département des technologies de l'information de l'Institute of Aeronautical Engineering, Dundigal, Hyderabad, Telangana. Ses recherches actuelles portent sur le génie logiciel, l'apprentissage automatique, les réseaux, la cybersécurité, l'automatisation des logiciels et l'informatique en nuage.