Implementación de algoritmos de aprendizaje automático para la clasificación de osciladores bioquímicos acoplados

“Los avances en los métodos de aprendizaje supervisado, permiten crear modelos capaces de aprender a clasificar patrones a partir de datos obtenidos de series temporales, y de esta manera, lograr la predicción de estados de acoplamiento entre procesos fisiológicos con alta precisión. El modelo de aprendizaje supervisado requiere únicamente de un conjunto de datos previamente clasificados que le permita al algoritmo realizar la clasificación. Una manera de obtener un conjunto de datos confiable para el entrenamiento de los algoritmos de aprendizaje supervisado es a través del cálculo de los diagramas de recurrencia, los cuales pueden ser obtenidos de las series de tiempo resultado de la solución numérica de sistemas dinámicos asociados al acoplamiento de distintos procesos fisiológicos. En este trabajo de investigación se estudia el acoplamiento de tres modelos matemáticos relacionados con procesos fisiológicos: glucólisis y oscilaciones glicolíticas,brusselator y oregonator; mediante un acoplamiento bidireccional lineal para distintos valores del parámetro de acoplamiento”