English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

A concentracao de gordura na regiao abdominal esta intimamente ligada a risco de doencas cardiovasculares e metabolicas. Para isso o indice de conicidade (IC) representa um indicador de obesidade abdominal, sendo considerado um bom indicador para avaliar os fatores de risco cardiovasculares. Diante disso algumas ferramentas computacionais como as redes neurais artificiais (RNAs) vem sendo utilizada com a finalidade de analisar dados de modo inovador. O objetivo deste estudo foi obter o (IC) por meio das (RNAs) utilizando como variaveis de entrada peso, altura e circunferencia da cintura e como variavel de saida, partes das amostras do (IC). A metodologia constou em uma coleta de dados para obtencao das variaveis, sendo que a rede utilizada para este trabalho foi a Multilayer Perceptron com algoritmo backpropagation para fase de treinamento da rede. A rede teve um bom desempenho com erro de 6.69x10-3 para o treinamento e 7.10x10-3 para o diagnostico.

MODELO DE CLASSIFICAÇÃO AUTOMÁTICA PARA O ÍNDICE DE CONICIDADE VIA REDES NEURAIS ARTIFICIAIS (RNAs)