Consultar por División

Subir un nivel
Exportar como [feed] Atom [feed] RSS 1.0 [feed] RSS 2.0
Agrupar por: Fecha | Título | Autores | Tipo de Documento | Sin Agrupar
Ir a: 2025 | 2023 | 2022 | 2019 | 2017 | 2016
Número de registros en este nivel: 10.

2025

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Abierto Inglés, Español, Portugués Se trata de una plataforma que integra cinco bots diferentes disponibles en cinco idiomas. El bot enseña al estudiante de nutrición y dietética a realizar un proceso de exploración clínica de forma online/interactiva. Estos bots proporcionan los siguientes casos: Gastroenterología, Diabetes mellitus tipo 1, enfermedades cardiovasculares y diabetes, obesidad y enfermedades renales. Cada bot dispone de un cuestionario relacionado con el ámbito de la nutrición, y una encuesta final para conocer la experiencia del usuario. Desarrollada en el marco del proyecto E+DIETing_LAB metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2025) Virtual Patient (E+DIETing_LAB). Repositorio de la Universidad.

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Abierto Inglés, Español, Portugués Una herramienta que ofrece una formación centrada en el Proceso de Atención Nutricional (PAN) y el servicio a la comunidad. Mediante videollamada las personas interesadas pueden recibir consejo dietético gratuito y unas recomendaciones de cómo mejorar su alimentación, bajo la supervisión de un profesor. Desarrollada en el marco del proyecto E+DIETing_LAB metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2025) Virtual nutritional clinic (E+DIETing_LAB). Repositorio de la Universidad.

2023

Otro Materias > Ciencias Sociales Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Inglés, Español A partir de los datos introducidos y de diferentes escenarios, la herramienta del simulador digital genera distintos retos a los estudiantes-emprendedores para poner a prueba y evaluar la parte financiera de una propuesta de emprendimiento y también ofrece recomendaciones en función de la aportación real de diferentes agentes financieros como bancos, inversores privados, business angels o plataformas de financiación colaborativa. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2023) Digital Simulator for Entrepreneurial Finance (FINANCEn_LAB). Repositorio de la Universidad.

Otro Materias > Ciencias Sociales
Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Abierto Inglés La aplicación “Navigating Tourism in Crisis” está dirigida directamente a nuevos empresarios y con experiencia, interesados en prosperar en el difícil sector turístico, especialmente durante crisis turbulentas. Contiene enlaces a todos los recursos creados dentro de este proyecto, incluidos vídeos, podcasts, estudios de casos y cursos modulares, centrándose especialmente en la accesibilidad de los materiales de aprendizaje para aquellos que quieren evitar pasar largas horas delante de un ordenador. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2023) Navigating SMEs in the tourism sector through crisis (T-CRISIS-NAV). Repositorio de la Universidad.

2022

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Abierto Inglés, Español, Italiano, Portugués Composición Nutricional es un espacio creado para proporcionar una serie de servicios de valor añadido, ofreciendo herramientas, recursos e informaciones sobre programas de formación e investigación para profesionales e interesados en el ámbito de la nutrición y salud. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2022) Composición Nutricional. Repositorio de la Universidad.

2019

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español El ahogamiento es una de las principales causas de muerte en el mundo, alrededor de 372.000 personas al año, siendo una cifra que se considera subestimada (OMS, 2014). En consecuencia, existe la necesidad de mejorar esta situación considerada de salud pública. El objetivo del proyecto SOSeas es el desarrollo de una herramienta de evaluación para predecir el riesgo dinámico de los ahogamientos en las playas. En los espacios acuáticos recreativos se espera que una herramienta informática pueda mejorar la gestión de la seguridad por parte de los socorristas y también la información de riesgo de ahogamiento para los bañistas. Este proyecto es una continuidad del trabajo realizado en PreventSOS. En aquel caso el foco era el desarrollo de un sistema experto para la identificación, análisis y gestión del riesgo en espacios acuáticos y el diseño de una aplicación web para el registro de incidentes y accidentes. SOSeas pretende mejorar el servicio anterior integrando el sistema de información que provee el Copernicus Marine Environment Monitoring Service (CMEMS) en todo el mundo. Se pretende conseguir suficientes datos para poder nutrir a un sistema basado en técnicas de aprendizaje-máquina. La herramienta SOSeas se desarrolla para dos tipos de usuarios : gestores de playas/socorristas y usuarios recreativos (nadadores, navegantes, surfistas...). Estos usuarios podrán acceder a las condiciones meteorológicas y oceanográficas así como a información a medida sobre las amenazas de estos entornos siempre cambiantes. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2019) SOSeas: An assessment tool for predicting the dynamic risk of drowning on beaches. Repositorio de la Universidad. (Inédito)

2017

Otro Materias > Educación física y el deporte Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Abierto Español El objetivo de esta investigación es estudiar cuál es el mecanismo de protección ante las consecuencias de la ganancia excesiva de peso en el embarazo en mujeres físicamente activas. Dados los resultados de las investigaciones realizadas acerca de la función endocrina y paracrina del músculo esquelético y la liberación de miokinas, una de las principales líneas de trabajo será estudiar la relación entre la presencia de miokinas y los beneficios obtenidos por el ejercicio físico. Se inicia el proyecto realizando una revisión del estado del arte en dos áreas en cuanto a ejercicio físico y liberación de miokinas y por otro lado, del tipo de ejercicio que más beneficios reporta en el proceso de gestación. Se lleva a cabo un ensayo clínico con el Hospital Universitario Marqués de Valdecilla para observar el efecto del ejercicio físico durante el embarazo en la liberación de miokinas y en la prevención de la ganancia excesiva de peso y sus consecuencias. Como resultado del proyecto se ha generado la página web www.embactiva.es que ha sido presentada en la primera reunión de la Red Temática Española de Ejercicio durante el Embarazo. Esta web está siendo reconocida como enlace de interés desde la Sociedad Española de Ginecología y Obstetricia (SEGO), El Hospital Universitario de Fuenlabrada, ANIS, Farmacosalud, Clínica Zuatzu, entre otros. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2017) Estudio de la influencia del ejercicio físico durante el embarazo en la prevención de las consecuencias de la ganancia excesiva de peso - EFEMBARAZO. Repositorio de la Universidad. (Inédito)

2016

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español Como resultado del proyecto “Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva” se ha generado una herramienta digital que permite llevar el control de las lesiones de cada deportista, así como sus constantes biomecánicas, hábitos de alimentación y estado de salud emocional de tal forma que, se cuenta con información que combina varios factores a un nivel de detalle importante y de modo personalizado para cada jugador. De este modo, se obtienen los inputs para generar el análisis estadístico que alerta sobre las probabilidades de sufrir determinada lesión. Objetivo del Proyecto: Desarrollar una herramienta que permita identificar el riesgo de lesión de un deportista, independientemente del nivel o categoría del mismo, y poder actuar en consecuencia de manera individualizada, según el período de la temporada en el que se encuentre. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 15/12/2016 Fin: 14/12/2018 Código Externo: ID16-IN-022 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva. R&P (Recovery and Performance). Repositorio de la Universidad. (Inédito)

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español El proyecto se centra en el desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. A partir del conocimiento que se pretende generar, la entidad espera comercializar servicios de soporte para la gestión de riesgos, la acción preventiva y comunicación de emergencias. La propuesta se orienta a crear un sistema experto en la gestión de riesgos en espacios acuáticos naturales (playas), basado por un lado en una aplicación para la evaluación de riesgos, y por otro, en un sistema de registro y análisis de sucesos y accidentes. Esta herramienta debe permitir a los responsables de la gestión de la seguridad en zonas de baño una gestión adecuada y eficaz de los recursos preventivos para minimizar la probabilidad y severidad de riesgos que puedan afectar a la integridad física o a la salud de las personas, y en consecuencia, el aumento de la seguridad acuática en las costas. Objetivo del Proyecto: Desarrollar tecnologías para la identificación de riesgos en espacios acuáticos naturales con el objeto de prevenir ahogamientos y otros incidentes en zonas de playa. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 09/12/2016 Fin: 08/12/2018 Código Externo: ID16-IN-038 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) PREVENT-SOS: Desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. Repositorio de la Universidad. (Inédito)

Otro Materias > Ingeniería
Materias > Educación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español A pesar del gran incremento de la práctica deportiva en la sociedad occidental en los últimos años, aún hay, según fuentes de la UE, aproximadamente un 50% de la población europea que no hace ejercicio regularmente, lo que está generando un grave problema de salud, especialmente preocupante en la población infantil y juvenil. Del 50% de la población que hace deporte de forma regular, un porcentaje muy alto lo hace solo, en casa o en lugares abiertos públicos sin ninguna supervisión o control por parte de personal especializado, lo que conlleva un cierto riesgo de sufrir lesiones y/o patologías de diferente pronósticos. Ante esta situación compleja de tener la necesidad de promover la actividad física pero intentando aminorar el riesgo de la propia práctica, se propone el desarrollo de una aplicación móvil “freemium” que fomente el ejercicio y que integre una serie de tecnologías innovadoras para incorporar inteligencia artificial que aplicará sobre unos elementos de alerta que puedan generar avisos y geolocalizar al practicante de una forma rápida y eficaz. Entendemos que el desarrollo de este tipo de negocios de carácter tecnológico y de alto grado de responsabilidad social hacia la ciudadanía incrementará el tejido empresarial de Cantabria y generará nuevos puestos de trabajo estables y de alto nivel de formación. Las sinergias que se proponen con instituciones universitarias y de investigación fomentarán los ecosistemas profesionales relacionados con las nuevas tecnologías de la información, la salud y la seguridad. El objetivo de este sistema complejo que se propone es promover la actividad física segura de forma global. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) SMART ACTIVE LIFE: Desarrollo de tecnologías inteligentes para la promoción de la vida activa y segura. Repositorio de la Universidad. (Inédito)

<a href="/17140/1/s41598-025-90616-w.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Efficient CNN architecture with image sensing and algorithmic channeling for dataset harmonization

The process of image formulation uses semantic analysis to extract influential vectors from image components. The proposed approach integrates DenseNet with ResNet-50, VGG-19, and GoogLeNet using an innovative bonding process that establishes algorithmic channeling between these models. The goal targets compact efficient image feature vectors that process data in parallel regardless of input color or grayscale consistency and work across different datasets and semantic categories. Image patching techniques with corner straddling and isolated responses help detect peaks and junctions while addressing anisotropic noise through curvature-based computations and auto-correlation calculations. An integrated channeled algorithm processes the refined features by uniting local-global features with primitive-parameterized features and regioned feature vectors. Using K-nearest neighbor indexing methods analyze and retrieve images from the harmonized signature collection effectively. Extensive experimentation is performed on the state-of-the-art datasets including Caltech-101, Cifar-10, Caltech-256, Cifar-100, Corel-10000, 17-Flowers, COIL-100, FTVL Tropical Fruits, Corel-1000, and Zubud. This contribution finally endorses its standing at the peak of deep and complex image sensing analysis. A state-of-the-art deep image sensing analysis method delivers optimal channeling accuracy together with robust dataset harmonization performance.

Producción Científica

Khadija Kanwal mail , Khawaja Tehseen Ahmad mail , Aiza Shabir mail , Li Jing mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Hanen Karamti mail , Imran Ashraf mail ,

Kanwal

<a href="/17392/1/journal.pone.0317863.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Deep image features sensing with multilevel fusion for complex convolution neural networks & cross domain benchmarks

Efficient image retrieval from a variety of datasets is crucial in today's digital world. Visual properties are represented using primitive image signatures in Content Based Image Retrieval (CBIR). Feature vectors are employed to classify images into predefined categories. This research presents a unique feature identification technique based on suppression to locate interest points by computing productive sum of pixel derivatives by computing the differentials for corner scores. Scale space interpolation is applied to define interest points by combining color features from spatially ordered L2 normalized coefficients with shape and object information. Object based feature vectors are formed using high variance coefficients to reduce the complexity and are converted into bag-of-visual-words (BoVW) for effective retrieval and ranking. The presented method encompass feature vectors for information synthesis and improves the discriminating strength of the retrieval system by extracting deep image features including primitive, spatial, and overlayed using multilayer fusion of Convolutional Neural Networks(CNNs). Extensive experimentation is performed on standard image datasets benchmarks, including ALOT, Cifar-10, Corel-10k, Tropical Fruits, and Zubud. These datasets cover wide range of categories including shape, color, texture, spatial, and complicated objects. Experimental results demonstrate considerable improvements in precision and recall rates, average retrieval precision and recall, and mean average precision and recall rates across various image semantic groups within versatile datasets. The integration of traditional feature extraction methods fusion with multilevel CNN advances image sensing and retrieval systems, promising more accurate and efficient image retrieval solutions.

Producción Científica

Jyotismita Chaki mail , Aiza Shabir mail , Khawaja Tehseen Ahmed mail , Arif Mahmood mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Imran Ashraf mail ,

Chaki

<a class="ep_document_link" href="/17450/1/ejaz-et-al-2025-fundus-image-classification-using-feature-concatenation-for-early-diagnosis-of-retinal-disease.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Fundus image classification using feature concatenation for early diagnosis of retinal disease

Background Deep learning models assist ophthalmologists in early detection of diseases from retinal images and timely treatment. Aim Owing to robust and accurate results from deep learning models, we aim to use convolutional neural network (CNN) to provide a non-invasive method for early detection of eye diseases. Methodology We used a hybridized CNN with deep learning (DL) based on two separate CNN blocks, to identify multiple Optic Disc Cupping, Diabetic Retinopathy, Media Haze, and Healthy images. We used the RFMiD dataset, which contains various categories of fundus images representing different eye diseases. Data augmenting, resizing, coping, and one-hot encoding are used among other preprocessing techniques to improve the performance of the proposed model. Color fundus images have been analyzed by CNNs to extract relevant features. Two CCN models that extract deep features are trained in parallel. To obtain more noticeable features, the gathered features are further fused utilizing the Canonical Correlation Analysis fusion approach. To assess the effectiveness, we employed eight classification algorithms: Gradient boosting, support vector machines, voting ensemble, medium KNN, Naive Bayes, COARSE- KNN, random forest, and fine KNN. Results With the greatest accuracy of 93.39%, the ensemble learning performed better than the other algorithms. Conclusion The accuracy rates suggest that the deep learning model has learned to distinguish between different eye disease categories and healthy images effectively. It contributes to the field of eye disease detection through the analysis of color fundus images by providing a reliable and efficient diagnostic system.

Producción Científica

Sara Ejaz mail , Hafiz U Zia mail , Fiaz Majeed mail , Umair Shafique mail , Stefanía Carvajal-Altamiranda mail stefania.carvajal@uneatlantico.es, Vivian Lipari mail vivian.lipari@uneatlantico.es, Imran Ashraf mail ,

Ejaz

<a href="/17594/1/s41598-025-95290-6.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Pupilometer efficacy in monitoring anxiety in undergraduate medical students during high-fidelity clinical simulation

The aim of the present work was to determine the correlation between the State-Trait Anxiety Inventory (STAI) score and pupillary diameter and whether this correlation exists to develop a predictive model of anxiety with the pupillary diameter of students exposed to high-fidelity clinical simulation. This was a randomized, blinded, simulation-based clinical trial. The study was conducted at the Advanced Clinical Simulation Center, Faculty of Medicine, Valladolid University (Spain), from February 1 to April 15, 2023, and involved volunteer sixth-year undergraduate medical students. The STAI score, vital signs (oxygen saturation, perfusion index, blood pressure, heart rate, and temperature), and pupillary response were assessed. The primary outcomes were the delta (pre/postsimulation) of the state STAI and the delta of the pupillary diameter. Sixty-one sixth-year students fulfilled the inclusion criteria. There was no difference regarding the clinical scenario. There was a statistically significant correlation between the state STAI score and pupillary diameter. The predictive model had an AUC of 0.876, with the delta diameter of the pupillary being the only statistically significant variable for anxiety prediction. Our results showed that both the pupillary response and the STAI score allowed the identification of students with disabling anxiety. These results could pave the way for appropriate protocol development that allows for personalized tutoring of students with elevated anxiety levels.

Producción Científica

Francisco Martín-Rodríguez mail , Rafael Martín-Sánchez mail , Carlos del Pozo Vegas mail , Raúl Lopez-Izquierdo mail , José Luis Martín-Conty mail , Eduardo René Silva Alvarado mail eduardo.silva@funiber.org, Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Rubén Calderón Iglesias mail ruben.calderon@uneatlantico.es, Ancor Sanz-García mail , Miguel Ángel Castro Villamor mail ,

Martín-Rodríguez

<a class="ep_document_link" href="/15983/1/Food%20Science%20%20%20Nutrition%20-%202025%20-%20Tanveer%20-%20Novel%20Transfer%20Learning%20Approach%20for%20Detecting%20Infected%20and%20Healthy%20Maize%20Crop.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Novel Transfer Learning Approach for Detecting Infected and Healthy Maize Crop Using Leaf Images

Maize is a staple crop worldwide, essential for food security, livestock feed, and industrial uses. Its health directly impacts agricultural productivity and economic stability. Effective detection of maize crop health is crucial for preventing disease spread and ensuring high yields. This study presents VG-GNBNet, an innovative transfer learning model that accurately detects healthy and infected maize crops through a two-step feature extraction process. The proposed model begins by leveraging the visual geometry group (VGG-16) network to extract initial pixel-based spatial features from the crop images. These features are then further refined using the Gaussian Naive Bayes (GNB) model and feature decomposition-based matrix factorization mechanism, which generates more informative features for classification purposes. This study incorporates machine learning models to ensure a comprehensive evaluation. By comparing VG-GNBNet's performance against these models, we validate its robustness and accuracy. Integrating deep learning and machine learning techniques allows VG-GNBNet to capitalize on the strengths of both approaches, leading to superior performance. Extensive experiments demonstrate that the proposed VG-GNBNet+GNB model significantly outperforms other models, achieving an impressive accuracy score of 99.85%. This high accuracy highlights the model's potential for practical application in the agricultural sector, where the precise detection of crop health is crucial for effective disease management and yield optimization.

Producción Científica

Muhammad Usama Tanveer mail , Kashif Munir mail , Ali Raza mail , Laith Abualigah mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Imran Ashraf mail ,

Tanveer