lunes, 10 de febrero de 2014
Conjuntos imbalanceados
Los conjuntos de datos imbalanceados, en palabras de Soler, en la tesis doctoral escrita el año 2007 titulada “Lógica difusa aplicada a conjuntos imbalanceados: Aplicación a la detección del síndrome de Down”, concretamente los conjuntos imbalanceados por clases, son conjuntos de datos cuya característica principal es que hay mucha diferencia entre el número de casos de cada categoría. Cada uno de los datos usados para trabajar pertenecen a una categoría, y el hecho de que existan muchos más casos de una categoría que de otra puede dar lugar a problemas al intentar hallar métodos de aprendizaje. A cada categoría se le denomina clase y este tipo de conjunto de datos se puede presentar en problemas como la detección de intrusos, fraude bancario y, un caso bastante comentado es la detección del síndrome de Down en fetos, donde se tienen muchos más casos de fetos que no tienen esta trisomía que de los que sí la tienen. El problema del imbalanceo y, en concreto, el imbalanceo por clases, es uno de los problemas planteados en los temas de aprendizaje automático y minería de datos. Los métodos de aprendizaje que se conocen tales como las redes neuronales o los árboles de decisión, necesitan aprender con tantos ejemplos como sea posible de cada clase, para luego generalizar de la mejor manera. Sin embargo, el problema en el aprendizaje viene dado cuando hay una clase o más, con un número muy superior de ejemplos con respecto al resto de clases. Este es el caso del problema del imbalanceo que se focaliza en un problema de dos clases: La clase mayor que es la que contiene un número superior de ejemplos, que por lo general corresponde a los patrones negativos, y la clase menor, con un número muy inferior, generalmente de patrones positivos.
Soler, en la tesis doctoral citada, continua mencionando que el hecho de que un conjunto de datos se encuentre imbalanceado no supone por sí mismo un problema para el aprendizaje. Todo depende de las características del conjunto de datos. Para entender mejor este hecho, imagine una situación en la que existe un gran imbalanceo entre la clase-mayor, de valores negativos, y la clase-menor, de conjuntos positivos, y el conjunto de datos presenta un cierto grado de solapamiento entre clases. Una situación mucho más cómoda para el aprendizaje se encuentra en la situación en la que las clases se encuentran en zonas muy bien definidas, con la posibilidad de establecer fácilmente una frontera entre ellas. Existen diferentes métricas que permiten evaluar cómo de buena ha sido una clasificación. Algunas de estas métricas, que se usan normalmente para evaluar clasificaciones genéricas, no son válidas para conjuntos imbalanceados, pues darían, como se verá en los párrafos siguientes, resultados irreales. Por consiguiente, a continuación se describen las métricas usadas y propuestas en la literatura de conjuntos imbalanceados.
Según An y sus colegas, en el artículo escrito el año 2001 titulado “Un caso de estudio para el aprendizaje a partir de conjuntos de datos imbalanceados”, una matriz de confusión muestra la cantidad de individuos bien o mal clasificados por un método dado, según la clase a la que pertenezcan. La matriz de confusión es una tabla de doble entrada en la cual se ubican los valores de la clase actual en las filas, con las entradas negativas y positivas, y los valores de las hipótesis en las columnas, con las entradas negativas y positivas; la interacción en las cuatro celdas que conforman las entradas se describen de la siguiente manera: (1) La celda uno uno, contiene el número de verdaderos negativos, es decir, patrones negativos que han sido clasificados como negativos. (3) La celda uno dos hace referencia al número de falsos positivos, es decir, patrones negativos que han sido clasificados como positivos. (3) La celda dos uno contiene el número de falsos negativos, es decir, patrones positivos que han sido clasificados como negativos. (4) La celda dos dos contiene el número de verdaderos positivos, es decir, patrones positivos que han sido clasificados como positivos. La precisión del método clasificador es la división del número de aciertos dividido por el número total de patrones. En la ecuación mencionada los valores de precisión se encuentran en el intervalo cerrado cero, uno, puesto que, a medida que los valores no clasificados correctamente, falsos positivos y falsos negativos tienden a cero, la precisión aumenta de valor, siendo uno en el caso en que se tenga una clasificación perfecta, es decir los falsos positivos y los falsos negativos con el valor de cero.
lunes, 3 de febrero de 2014
Nanotecnología en la inteligencia ambiental
Cuando se manipula la materia a una escala tan minúscula de átomos y moléculas, se obtienen fenómenos y propiedades totalmente nuevas. Por lo tanto, los científicos utilizan la nanotecnología para crear materiales, aparatos y sistemas novedosos y poco costosos con propiedades únicas y muy útiles. Para comprender el potencial de esta tecnología es clave saber que las propiedades físicas y químicas de la materia cambian a escala nanométrica, debido a efectos cuánticos. La conductividad eléctrica, el calor, la resistencia, la elasticidad, la reactividad, entre otras propiedades, se comporta de manera diferente que en los mismos elementos a mayor escala. Estas nuevas estructuras con precisión atómica, tales como los nanotubos de carbono, o pequeños instrumentos para el interior del cuerpo humano, pueden ser instrumentos que introduzcan a las personas en una nueva era. Un concepto que aclara un poco las dimensiones a las que se hace referencia, es el de las nanoparticulas. Según Fanet, en el artículo citado anteriormente, las nanopartículas son tan pequeñas como los glóbulos rojos; un nanómetro es equivalente a diez elevado a la menos nueve metros. Esta es la unidad maestra de la nanociencia y la nanotecnología, donde se utiliza el prefijo nano. Existe un gran consenso de que la nanotecnología conducirá a las personas a una segunda revolución industrial en el siglo veintiuno. Supondrá numerosos avances para muchas industrias y nuevos materiales con propiedades extraordinarias, desarrollar materiales más fuertes que el acero pero con solamente el diez por ciento de su peso, nuevas aplicaciones informáticas con componentes increíblemente más rápidos o sensores moleculares capaces de detectar y destruir células cancerígenas en las partes más delicadas del cuerpo humano como el cerebro, entre otras muchas aplicaciones.
Por su parte la inteligencia ambiental pretende cambiar sustancialmente la vida diaria de las personas en su relación con el entorno. Según la ISTAG, en el artículo escrito el año 2001 titulado “Escenarios para la inteligencia ambiental en 2010”, la inteligencia ambiental se trata de un paradigma de la tecnología de la información en el cual las personas quedan inmersas en un espacio digital que es consciente de su presencia, sensible al contexto y adaptativo a sus necesidades, hábitos y emociones. Puede entenderse como un paraguas que abarca la computación ubicua, reportada en el artículo escrito por Weiser el año 1993 titulado “Algunos resultados de la ciencia de las computadoras en computación ubicua”, las Interfaces Naturales, reportada en el artículo escrito por Coen el año 1998 bajo el titulo “Principios del diseño para medios inteligentes” y las Comunicaciones Ubicuas, reportado en el artículo escrito el año 2000 titulado “Un estudio de contexto interactivo de la investigación en computación móvil”. En ella se encuentran otras muchas áreas de investigación como por ejemplo las interfaces de usuario multimodales o los agentes inteligentes artificiales, entre otras. La inteligencia ambiental, más allá de su componente teórico, tiene un claro objetivo práctico, esperando aplicarse de forma real y eficaz en el día a día de la vida de las personas. Una de las principales líneas de investigación se centra en obtener nuevas formas de interacción con los dispositivos computacionales de forma más simple y, sobre todo, más natural. En este sentido se está trabajando en el campo de la computación ubicua, que, según la visión inicial de Weiser, en el artículo escrito el año 1991 titulado “La computadora del siglo veintiuno”, representa la “desaparición” de la actual computadora como una herramienta de todos y para todo. Weiser propuso distribuir la computadora en pequeños dispositivos de funcionalidad reducida y omnipresente en el entorno que rodea a las personas.
Venturini, en el artículo mencionado anteriormente, continúa indicando que las actuales interfaces hombre-máquina son pobremente adaptables a las unidades móviles del futuro. Las pantallas consumen mucha energía y los teclados no son cómodos. Las nuevas interfaces deben ser concebidas, incorporando imágenes de retina, reconocimiento de voz y enlaces directos a la actividad neuronal. Las nanotecnologías ofrecen ventajas obvias en dichos campos, y especialmente en la biología. Estas interfaces precisan nuevas arquitecturas y mayor sinergia entre el software y el hardware. Es bueno saber que cuando el consumo de energía de un sistema tiene que ser reducido, el ahorro más importante de energía se consigue al llevar el procesamiento al nivel del sistema, es decir, reduciendo el intercambio de datos y el ajuste dinámico de parámetros funcionales.
Por su parte la inteligencia ambiental pretende cambiar sustancialmente la vida diaria de las personas en su relación con el entorno. Según la ISTAG, en el artículo escrito el año 2001 titulado “Escenarios para la inteligencia ambiental en 2010”, la inteligencia ambiental se trata de un paradigma de la tecnología de la información en el cual las personas quedan inmersas en un espacio digital que es consciente de su presencia, sensible al contexto y adaptativo a sus necesidades, hábitos y emociones. Puede entenderse como un paraguas que abarca la computación ubicua, reportada en el artículo escrito por Weiser el año 1993 titulado “Algunos resultados de la ciencia de las computadoras en computación ubicua”, las Interfaces Naturales, reportada en el artículo escrito por Coen el año 1998 bajo el titulo “Principios del diseño para medios inteligentes” y las Comunicaciones Ubicuas, reportado en el artículo escrito el año 2000 titulado “Un estudio de contexto interactivo de la investigación en computación móvil”. En ella se encuentran otras muchas áreas de investigación como por ejemplo las interfaces de usuario multimodales o los agentes inteligentes artificiales, entre otras. La inteligencia ambiental, más allá de su componente teórico, tiene un claro objetivo práctico, esperando aplicarse de forma real y eficaz en el día a día de la vida de las personas. Una de las principales líneas de investigación se centra en obtener nuevas formas de interacción con los dispositivos computacionales de forma más simple y, sobre todo, más natural. En este sentido se está trabajando en el campo de la computación ubicua, que, según la visión inicial de Weiser, en el artículo escrito el año 1991 titulado “La computadora del siglo veintiuno”, representa la “desaparición” de la actual computadora como una herramienta de todos y para todo. Weiser propuso distribuir la computadora en pequeños dispositivos de funcionalidad reducida y omnipresente en el entorno que rodea a las personas.
Venturini, en el artículo mencionado anteriormente, continúa indicando que las actuales interfaces hombre-máquina son pobremente adaptables a las unidades móviles del futuro. Las pantallas consumen mucha energía y los teclados no son cómodos. Las nuevas interfaces deben ser concebidas, incorporando imágenes de retina, reconocimiento de voz y enlaces directos a la actividad neuronal. Las nanotecnologías ofrecen ventajas obvias en dichos campos, y especialmente en la biología. Estas interfaces precisan nuevas arquitecturas y mayor sinergia entre el software y el hardware. Es bueno saber que cuando el consumo de energía de un sistema tiene que ser reducido, el ahorro más importante de energía se consigue al llevar el procesamiento al nivel del sistema, es decir, reduciendo el intercambio de datos y el ajuste dinámico de parámetros funcionales.
lunes, 20 de enero de 2014
Taxonomía de la incertidumbre
Álvaro Torres, en los apuntes de clases publicado en año 1998 titulado “Procesos estocásticos”, menciona que en la taxonomía de la incertidumbre se pueden encontrar los siguientes tipos de incertidumbre: (1) el determinismo; (2) la aleatoriedad; (3) la ambigüedad o no especificidad; (4) la vaguedad y por último (5) la confusión. Comenzando con el menor grado de incertidumbre, el determinismo corresponde con el conocimiento perfecto de los resultados y de la ocurrencia de los eventos. Por tanto el determinismo es la no existencia o consideración de incertidumbre. Aumentando el grado de incertidumbre, la incertidumbre aleatoria se presenta cuando los posibles eventos resultantes de un experimento son conocidos, por ejemplo en el lanzamiento de un dado o de una moneda. También aparece en situaciones de conflicto como en el caso de una afirmación que puede ser verdadera o falsa. Este tipo de incertidumbre se ha modelado con la teoría de las probabilidades aunque la probabilidad deba establecerse de manera empírica, subjetiva o experimental y puede darse en términos de rangos en lugar de valores absolutos. La ambigüedad proviene de la existencia de diferentes significados de una palabra o de una expresión. En este caso los eventos no están especificados o definidos claramente. Corresponde a la falta de información y se da cuando existe una relación de uno a muchos. La vaguedad hace imposible establecer la verdad o falsedad de una afirmación. La vaguedad difiere en general de la ambigüedad en que esta última envuelve diferentes significados incompatibles y puede resolverse con mayor información. Una mayor cantidad de información no ayuda en general a resolver el problema de vaguedad como sí sucede en el caso de la ambigüedad. Por último la confusión es un tipo de incertidumbre de conflicto, que reúne características tanto ambiguas como vagas.
En palabras de Laviolette & Seaman, en el artículo publicado el año 1994 titulado “La eficacia de las representaciones difusas de la incertidumbre”, cuando la incertidumbre es de tipo aleatorio, desde el punto objetivista de la probabilidad, es posible en muchos casos modelar los problemas de incertidumbre asignando probabilidades a los distintos eventos a través de la frecuencia relativa y el análisis estadístico; estos posibles resultados están claramente definidos y de esta manera es posible obtener una medida muy concreta de la probabilidad de que esos eventos ocurran. Sin embargo si esto no es posible, desde el punto subjetivista, la probabilidad puede ser considerada como una medida personal de la incertidumbre o de creencia sobre un evento o un objeto y la probabilidad como tal no existe como algo concretamente definido. Esto permite modelar algunos problemas en los cuales no se tienen datos estadísticos sobre la ocurrencia de ciertos eventos, por ejemplo cuando es imposible repetir un experimento en varias ocasiones, pero su probabilidad puede ser asignada con base en la creencia de las personas sobre esa ocurrencia. Algunos autores afirman que cualquier tipo de incertidumbre puede ser tratado con la teoría subjetivista de la probabilidad, reduciendo las características imprecisas de los eventos. Así entonces, es posible asignar las probabilidades en un grado altamente práctico, sin la necesidad de tener una precisión absoluta de esa probabilidad. La ventaja de estos procedimientos es que los cálculos matemáticos no son altamente complejos, aunque el costo computacional puede que sí. Entre las técnicas más conocidas para modelar la incertidumbre están las redes Bayesianas y las cadenas de Markov. En el caso de la ambigüedad y la vaguedad en donde no es posible definir de manera precisa la verdad o falsedad de una afirmación, el modelado de la incertidumbre se puede hacer bajo la teoría de la lógica difusa, donde se usan elementos del lenguaje que asocian “grados” de pertenencia de una forma natural a los eventos o procesos en cuestión.
En palabras de Laviolette & Seaman, en el artículo publicado el año 1994 titulado “La eficacia de las representaciones difusas de la incertidumbre”, cuando la incertidumbre es de tipo aleatorio, desde el punto objetivista de la probabilidad, es posible en muchos casos modelar los problemas de incertidumbre asignando probabilidades a los distintos eventos a través de la frecuencia relativa y el análisis estadístico; estos posibles resultados están claramente definidos y de esta manera es posible obtener una medida muy concreta de la probabilidad de que esos eventos ocurran. Sin embargo si esto no es posible, desde el punto subjetivista, la probabilidad puede ser considerada como una medida personal de la incertidumbre o de creencia sobre un evento o un objeto y la probabilidad como tal no existe como algo concretamente definido. Esto permite modelar algunos problemas en los cuales no se tienen datos estadísticos sobre la ocurrencia de ciertos eventos, por ejemplo cuando es imposible repetir un experimento en varias ocasiones, pero su probabilidad puede ser asignada con base en la creencia de las personas sobre esa ocurrencia. Algunos autores afirman que cualquier tipo de incertidumbre puede ser tratado con la teoría subjetivista de la probabilidad, reduciendo las características imprecisas de los eventos. Así entonces, es posible asignar las probabilidades en un grado altamente práctico, sin la necesidad de tener una precisión absoluta de esa probabilidad. La ventaja de estos procedimientos es que los cálculos matemáticos no son altamente complejos, aunque el costo computacional puede que sí. Entre las técnicas más conocidas para modelar la incertidumbre están las redes Bayesianas y las cadenas de Markov. En el caso de la ambigüedad y la vaguedad en donde no es posible definir de manera precisa la verdad o falsedad de una afirmación, el modelado de la incertidumbre se puede hacer bajo la teoría de la lógica difusa, donde se usan elementos del lenguaje que asocian “grados” de pertenencia de una forma natural a los eventos o procesos en cuestión.
lunes, 13 de enero de 2014
Taxonomía de la incertidumbre
En la investigación
realizada por Klir y Folger, en el libro escrito el año 1988 titulado
“Conjuntos difusos, incertidumbre e información”, es posible diferenciar
dos etapas en la evolución del conocimiento: Un esfuerzo orientado a
conocer aspectos del mundo y un posterior esfuerzo por conocer aspectos
del propio conocimiento. Se puede suponer que ésta segunda etapa, en la
que las personas se encontraban a fines del siglo veinte, surge a
consecuencia de los fallos de la primera, para delimitar el alcance y
validez del conocimiento adquirido previamente. La preocupación no se
centra en la mera adquisición de conocimiento, sino que, además, se
intenta determinar en qué medida se conoce algo, qué grado de certeza se
puede asignar al conocimiento de las personas. Se han desviado los
problemas desde cómo manipular el mundo a cómo manipular el
conocimiento. Se ha calificado a la actual sociedad como la sociedad de
la información, y se destinan gran cantidad de recursos a la
adquisición, manejo, procesado, selección, almacenamiento, distribución,
protección, recopilación, análisis y clasificación de la información,
para lo cual la computadora resulta una herramienta de gran ayuda. La
gran cantidad de información de que se dispone, unida al grado de
incertidumbre que lleva asociada, constituye la base de muchos de los
problemas actuales: La complejidad.
En palabras de Gómez Flechoso, en la tesis doctoral publicada el año 1998 titulada “Inducción del conocimiento con incertidumbre en bases de datos relacionales borrosas”, el estudio de la información basada en su incertidumbre asociada ha dado lugar a diferentes teorías matemáticas. La primera de ellas fue la conocida teoría de la información de Shannon, reportada el año 1948, construida a partir de la teoría clásica de conjuntos y de la teoría de la probabilidad. Desde comienzos de los años 1980 se han realizado diferentes avances orientados a la construcción de una teoría general de la información. Dentro de ésta se incluyen, además de la teoría clásica de conjuntos y de la teoría de la probabilidad, otras como la teoría de conjuntos difusos, la teoría de la posibilidad y la teoría de la evidencia. Con las nuevas teorías se ha conseguido romper la relación única que existía entre incertidumbre y teoría de la probabilidad, y se ha pasado a considerar la incertidumbre en los términos mucho más genéricos de la teoría de conjuntos difusos y de medidas difusas. Además, ha quedado demostrado que la incertidumbre puede manifestarse en diferentes formas o, dicho de otro modo, que existen diferentes tipos de incertidumbre y que en la teoría de la probabilidad sólo se manifestaba una de ellas. Los tres tipos de incertidumbre identificados con estas cinco teorías incluidas en la teoría general de la información son los siguientes: (1) Borrosidad. Resultante de la existencia de conjuntos difusos, con límites vagamente definidos. (2) Imprecisión o falta de especificidad. Relacionada con el tamaño de conjuntos de alternativas. (3) Discordia. Producida por conflictos entre varios conjuntos de alternativas. La imprecisión y la discordia pueden considerarse como diferentes modos de ambigüedad, asociando esta última con cualquier situación en la que no quede clara la alternativa correcta de un conjunto de ellas. Ésta puede deberse a una defectuosa caracterización de un objeto o a distinciones conflictivas. Por otro lado, la borrosidad es diferente de la ambigüedad, y se produce cuando existen conceptos cuyos límites no están perfectamente determinados.
Según Torres y Tranchita, en el artículo escrito el año 2005 titulado “¿Inferencia y razonamiento probabilístico o difuso?”, no existe, prácticamente, ningún problema de ingeniería en donde se tenga la información total sobre todas las variables y en donde esta información no tenga ningún grado de incertidumbre o imprecisión. Un problema de ingeniería, con todos los datos y completamente determinístico no es un problema real. La principal dificultad en el tratamiento o modelado de la incertidumbre es precisamente sus características inciertas. Todo intento de determinar estas características es reducir el nivel de incertidumbre. En general, se manejan situaciones en las cuales se cuenta con diferentes tipos o niveles de incertidumbre. Tradicionalmente, la incertidumbre ha sido modelada a través de la teoría de la probabilidad, sin embargo, debido a que la incertidumbre no es igual en todos los casos, se han formulado otras formas de manejar la incertidumbre de las variables, tales como la teoría de las posibilidades, la lógica difusa y la teoría de Dempster-Shafer, entre otras. Esta idea es complementada por los investigadores King y Keohane, en el libro escrito el año 2003 titulado “La ciencia en las ciencias sociales”, quienes mencionan que en los problemas de la vida real se utiliza información inmediata: Datos, experiencia, razonamiento a priori, para hacer inferencias que conduzcan a algo más amplio que no se observa directamente. A través de la inferencia se utilizan observaciones del mundo para revelar otros hechos que no se han observado o se pueden conocer efectos causales a partir de los datos observados. El término inferencia se utiliza como sinónimo de ilación. En un sentido amplio la inferencia va desde la implicación hasta el proceso mental operativo mediante el cual, partiendo de determinada información, se llega por implicación o también por inducción a una conclusión. Bajo incertidumbre la inferencia utiliza diferentes técnicas para el tratamiento de las características inciertas. De esta manera, es importante diferenciar el tipo de incertidumbre que se está tratando para determinar la técnica más conveniente a utilizar.
En palabras de Gómez Flechoso, en la tesis doctoral publicada el año 1998 titulada “Inducción del conocimiento con incertidumbre en bases de datos relacionales borrosas”, el estudio de la información basada en su incertidumbre asociada ha dado lugar a diferentes teorías matemáticas. La primera de ellas fue la conocida teoría de la información de Shannon, reportada el año 1948, construida a partir de la teoría clásica de conjuntos y de la teoría de la probabilidad. Desde comienzos de los años 1980 se han realizado diferentes avances orientados a la construcción de una teoría general de la información. Dentro de ésta se incluyen, además de la teoría clásica de conjuntos y de la teoría de la probabilidad, otras como la teoría de conjuntos difusos, la teoría de la posibilidad y la teoría de la evidencia. Con las nuevas teorías se ha conseguido romper la relación única que existía entre incertidumbre y teoría de la probabilidad, y se ha pasado a considerar la incertidumbre en los términos mucho más genéricos de la teoría de conjuntos difusos y de medidas difusas. Además, ha quedado demostrado que la incertidumbre puede manifestarse en diferentes formas o, dicho de otro modo, que existen diferentes tipos de incertidumbre y que en la teoría de la probabilidad sólo se manifestaba una de ellas. Los tres tipos de incertidumbre identificados con estas cinco teorías incluidas en la teoría general de la información son los siguientes: (1) Borrosidad. Resultante de la existencia de conjuntos difusos, con límites vagamente definidos. (2) Imprecisión o falta de especificidad. Relacionada con el tamaño de conjuntos de alternativas. (3) Discordia. Producida por conflictos entre varios conjuntos de alternativas. La imprecisión y la discordia pueden considerarse como diferentes modos de ambigüedad, asociando esta última con cualquier situación en la que no quede clara la alternativa correcta de un conjunto de ellas. Ésta puede deberse a una defectuosa caracterización de un objeto o a distinciones conflictivas. Por otro lado, la borrosidad es diferente de la ambigüedad, y se produce cuando existen conceptos cuyos límites no están perfectamente determinados.
Según Torres y Tranchita, en el artículo escrito el año 2005 titulado “¿Inferencia y razonamiento probabilístico o difuso?”, no existe, prácticamente, ningún problema de ingeniería en donde se tenga la información total sobre todas las variables y en donde esta información no tenga ningún grado de incertidumbre o imprecisión. Un problema de ingeniería, con todos los datos y completamente determinístico no es un problema real. La principal dificultad en el tratamiento o modelado de la incertidumbre es precisamente sus características inciertas. Todo intento de determinar estas características es reducir el nivel de incertidumbre. En general, se manejan situaciones en las cuales se cuenta con diferentes tipos o niveles de incertidumbre. Tradicionalmente, la incertidumbre ha sido modelada a través de la teoría de la probabilidad, sin embargo, debido a que la incertidumbre no es igual en todos los casos, se han formulado otras formas de manejar la incertidumbre de las variables, tales como la teoría de las posibilidades, la lógica difusa y la teoría de Dempster-Shafer, entre otras. Esta idea es complementada por los investigadores King y Keohane, en el libro escrito el año 2003 titulado “La ciencia en las ciencias sociales”, quienes mencionan que en los problemas de la vida real se utiliza información inmediata: Datos, experiencia, razonamiento a priori, para hacer inferencias que conduzcan a algo más amplio que no se observa directamente. A través de la inferencia se utilizan observaciones del mundo para revelar otros hechos que no se han observado o se pueden conocer efectos causales a partir de los datos observados. El término inferencia se utiliza como sinónimo de ilación. En un sentido amplio la inferencia va desde la implicación hasta el proceso mental operativo mediante el cual, partiendo de determinada información, se llega por implicación o también por inducción a una conclusión. Bajo incertidumbre la inferencia utiliza diferentes técnicas para el tratamiento de las características inciertas. De esta manera, es importante diferenciar el tipo de incertidumbre que se está tratando para determinar la técnica más conveniente a utilizar.
lunes, 6 de enero de 2014
Retos de la minería de datos
La revolución digital ha hecho posible que la información digitalizada sea fácil de capturar, procesar, almacenar, distribuir, y transmitir. En palabras de los investigadores Mitra y Acharya, en el libro publicado el año 2003 bajo el titulo “Minería de datos: Multimedia, computación blanda y bioinformática”, con el importante progreso en informática y en las tecnologías relacionadas y la expansión de su uso en diferentes aspectos de la vida, se continúa recogiendo y almacenando en bases de datos gran cantidad de información. Descubrir conocimiento de este enorme volumen de datos es un reto en sí mismo. La minería de datos es un intento de buscarle sentido a la explosión de información que actualmente puede ser almacenada. En los primeros años del siglo veintiuno, los datos no están restringidos a tuplas representadas únicamente con números o caracteres. El avance de la tecnología para la gestión de bases de datos hace posible integrar diferentes tipos de datos, tales como imagen, video, texto, y otros datos numéricos, en una base de datos sencilla, facilitando el procesamiento multimedia. Como resultado, la mezcla tradicional ad hoc de técnicas estadísticas y herramientas de gestión de datos no son adecuadas por más tiempo para analizar esta vasta colección de datos desiguales.
Según Riquelme y sus colegas, en el artículo escrito el año 2006 titulado “Minería de datos: Conceptos y tendencias”, la tecnología de Internet y su creciente demanda necesita el desarrollo de tecnologías de minería de datos más avanzadas para interpretar la información y el conocimiento de los datos distribuidos por todo el mundo. En este siglo la demanda continuará creciendo, y el acceso a grandes volúmenes de datos multimedia traerá la mayor transformación para el global de la sociedad. Por tanto, el desarrollo de la tecnología de minería de datos avanzada continuará siendo una importante área de estudio, y en consecuencia se espera gastar muchos recursos en esta área de desarrollo en los próximos años. Existen diversos dominios donde se almacenan grandes volúmenes de información en bases de datos centralizadas y distribuidas, como por ejemplo librerías digitales, archivos de imágenes, bioinformática, cuidados médicos, finanzas e inversión, fabricación y producción, negocios y marketing, redes de telecomunicación, etc. Es conocida la frase “los datos en bruto raramente son beneficiosos de manera directa”. Su verdadero valor se basa en: (a) la habilidad para extraer información útil la toma de decisiones o la exploración, y (b) la comprensión del fenómeno gobernante en la fuente de datos. En muchos dominios, el análisis de datos fue tradicionalmente un proceso manual. Uno o más analistas familiarizados con los datos, con la ayuda de técnicas estadísticas, proporcionaban resúmenes y generaban informes. En efecto, el analista hacía de procesador de preguntas sofisticado. Sin embargo, tal enfoque cambió como consecuencia del crecimiento del volumen de datos.
Según Vallejos, en el trabajo de adscripción escrito el año 2006 titulado “Minería de datos”, el nombre de minería de datos deriva de las similitudes entre buscar valiosa información de negocios en grandes bases de datos y minar una montaña para encontrar una veta de metales valiosos. Ambos procesos requieren examinar una inmensa cantidad de material, o investigar inteligentemente hasta encontrar exactamente donde residen los valores. Dadas bases de datos de suficiente tamaño y calidad, la tecnología de minería de datos puede generar nuevas oportunidades de negocios al proveer estas capacidades: (1) Predicción automatizada de tendencias y comportamientos. La minería de datos automatiza el proceso de encontrar información predecible en grandes bases de datos. Preguntas que tradicionalmente requerían un intenso análisis manual, ahora pueden ser contestadas directa y rápidamente desde los datos. La minería de datos utiliza datos en correos electrónicos promocionales anteriores para identificar posibles objetivos que maximicen los resultados de la inversión en futuros correos. Otros problemas predecibles incluyen pronósticos de problemas financieros futuros y otras formas de incumplimiento, e identificar segmentos de población que probablemente respondan similarmente a eventos dados. (2) Descubrimiento automatizado de modelos previamente desconocidos. Las herramientas de minería de datos barren las bases de datos e identifican modelos previamente escondidos en un sólo paso. Otros problemas de descubrimiento de modelos incluyen detectar transacciones fraudulentas de tarjetas de créditos e identificar datos anormales que pueden representar errores de transcripción en la carga de datos. Las técnicas de minería de datos pueden redituar los beneficios de automatización en las plataformas de hardware y software existentes y pueden ser implementadas en sistemas nuevos a medida que las plataformas existentes se actualicen y nuevos productos sean desarrollados. Cuando las herramientas de minería de datos son implementadas en sistemas de procesamiento paralelo de alto rendimiento, pueden analizar bases de datos masivas en minutos. Procesamiento más rápido significa que los usuarios pueden automáticamente experimentar con más modelos para entender datos complejos. Alta velocidad hace que sea práctico para los usuarios analizar inmensas cantidades de datos. Grandes bases de datos, a su vez, producen mejores predicciones. Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes. Pero el éxito de los negocios depende por lo general de la habilidad para ver nuevas tendencias o cambios en las tendencias. Las aplicaciones de la minería de datos pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.
Kargupta y sus colegas, en el libro escrito el año 2004 titulado “Minería de datos: Desafíos para la siguiente generación y direcciones futuras”, además de los investigadores Yang y Wu, en el artículo escrito el año 2005 titulado “Problemas de cambio en la investigación en minería de datos”, mencionan que existen algunos retos que superar antes de que la minería de datos se convierta en una tecnología de masas. Se señalan algunos de tales retos: El primer reto relacionado con los aspectos metodológicos. Sería muy útil la existencia de una interfaz de programación de aplicaciones estándar, de forma que los desarrolladores puedan integrar sin dificultad los resultados de los diversos algoritmos de minería. Esto podría facilitar también la tarea de automatizar y simplificar todo el proceso, integrando aspectos como muestreo, limpieza productos de minería de datos estuvieran orientados al programador para fomentar su uso y ampliación. Sería asimismo necesario unificar la teoría sobre la materia: Así de datos, minería, visualización, etc. En este mismo sentido sería deseable que los se puede observar que los estados del arte no son generalizables, no existe un estándar para la validación de resultados y, en general, la investigación se realiza demasiado aislada. Asimismo se necesitaría mejorar la formación en esta área entre los titulados universitarios, que sería la mejor manera de expandir su uso, y finalmente, sigue siendo un asunto pendiente la integración del conocimiento del dominio en el algoritmo, y viceversa, es decir, mejorar la interpretabilidad y facilidad de uso del modelo hallado.
Kargupta, en el libro mencionado, señala que el segundo reto relacionado con la escalabilidad. La escalabilidad de la minería de datos hacia grandes volúmenes de datos es y será siempre una de las tendencias futuras, ya que el volumen de información que se ha de tratar crece de manera exponencial, con lo que los avances en esta área quedan siempre superados por las necesidades crecientes. Datos con miles de atributos es ya algo habitual, pero es probable que las técnicas no estén preparadas aún para centenares de miles o incluso millones de características. Dentro de esta línea también se localiza la minería de flujos de datos de muy alta velocidad con posibles cambios de estructura, dimensión o modelo de generación dinámico durante la fase de entrenamiento. Esto obliga a contar con un modelo de conocimiento en todo momento. El tercer reto está relacionado con la simulación, integración en la toma de decisiones y la minería de datos. Los modelos extraídos para un ámbito de interés de una organización. Básicamente se trata de utilizar las salidas de unos modelos como entradas de otros y maximizar el beneficio del conjunto de modelos. Además, pueden añadirse al modelo global restricciones de valores máximos o mínimos, saturación, etc. Las técnicas tradicionales de combinación de modelos, no pueden aplicarse directamente. Las técnicas de simulación en minería de datos, más relacionadas con el problema de una maximización global no han recibido la atención suficiente desde el área de la minería de datos.
TITULARES
Según Riquelme y sus colegas, en el artículo escrito el año 2006 titulado “Minería de datos: Conceptos y tendencias”, la tecnología de Internet y su creciente demanda necesita el desarrollo de tecnologías de minería de datos más avanzadas para interpretar la información y el conocimiento de los datos distribuidos por todo el mundo. En este siglo la demanda continuará creciendo, y el acceso a grandes volúmenes de datos multimedia traerá la mayor transformación para el global de la sociedad. Por tanto, el desarrollo de la tecnología de minería de datos avanzada continuará siendo una importante área de estudio, y en consecuencia se espera gastar muchos recursos en esta área de desarrollo en los próximos años. Existen diversos dominios donde se almacenan grandes volúmenes de información en bases de datos centralizadas y distribuidas, como por ejemplo librerías digitales, archivos de imágenes, bioinformática, cuidados médicos, finanzas e inversión, fabricación y producción, negocios y marketing, redes de telecomunicación, etc. Es conocida la frase “los datos en bruto raramente son beneficiosos de manera directa”. Su verdadero valor se basa en: (a) la habilidad para extraer información útil la toma de decisiones o la exploración, y (b) la comprensión del fenómeno gobernante en la fuente de datos. En muchos dominios, el análisis de datos fue tradicionalmente un proceso manual. Uno o más analistas familiarizados con los datos, con la ayuda de técnicas estadísticas, proporcionaban resúmenes y generaban informes. En efecto, el analista hacía de procesador de preguntas sofisticado. Sin embargo, tal enfoque cambió como consecuencia del crecimiento del volumen de datos.
Según Vallejos, en el trabajo de adscripción escrito el año 2006 titulado “Minería de datos”, el nombre de minería de datos deriva de las similitudes entre buscar valiosa información de negocios en grandes bases de datos y minar una montaña para encontrar una veta de metales valiosos. Ambos procesos requieren examinar una inmensa cantidad de material, o investigar inteligentemente hasta encontrar exactamente donde residen los valores. Dadas bases de datos de suficiente tamaño y calidad, la tecnología de minería de datos puede generar nuevas oportunidades de negocios al proveer estas capacidades: (1) Predicción automatizada de tendencias y comportamientos. La minería de datos automatiza el proceso de encontrar información predecible en grandes bases de datos. Preguntas que tradicionalmente requerían un intenso análisis manual, ahora pueden ser contestadas directa y rápidamente desde los datos. La minería de datos utiliza datos en correos electrónicos promocionales anteriores para identificar posibles objetivos que maximicen los resultados de la inversión en futuros correos. Otros problemas predecibles incluyen pronósticos de problemas financieros futuros y otras formas de incumplimiento, e identificar segmentos de población que probablemente respondan similarmente a eventos dados. (2) Descubrimiento automatizado de modelos previamente desconocidos. Las herramientas de minería de datos barren las bases de datos e identifican modelos previamente escondidos en un sólo paso. Otros problemas de descubrimiento de modelos incluyen detectar transacciones fraudulentas de tarjetas de créditos e identificar datos anormales que pueden representar errores de transcripción en la carga de datos. Las técnicas de minería de datos pueden redituar los beneficios de automatización en las plataformas de hardware y software existentes y pueden ser implementadas en sistemas nuevos a medida que las plataformas existentes se actualicen y nuevos productos sean desarrollados. Cuando las herramientas de minería de datos son implementadas en sistemas de procesamiento paralelo de alto rendimiento, pueden analizar bases de datos masivas en minutos. Procesamiento más rápido significa que los usuarios pueden automáticamente experimentar con más modelos para entender datos complejos. Alta velocidad hace que sea práctico para los usuarios analizar inmensas cantidades de datos. Grandes bases de datos, a su vez, producen mejores predicciones. Las empresas suelen generar grandes cantidades de información sobre sus procesos productivos, desempeño operacional, mercados y clientes. Pero el éxito de los negocios depende por lo general de la habilidad para ver nuevas tendencias o cambios en las tendencias. Las aplicaciones de la minería de datos pueden identificar tendencias y comportamientos, no sólo para extraer información, sino también para descubrir las relaciones en bases de datos que pueden identificar comportamientos que no muy evidentes.
Kargupta y sus colegas, en el libro escrito el año 2004 titulado “Minería de datos: Desafíos para la siguiente generación y direcciones futuras”, además de los investigadores Yang y Wu, en el artículo escrito el año 2005 titulado “Problemas de cambio en la investigación en minería de datos”, mencionan que existen algunos retos que superar antes de que la minería de datos se convierta en una tecnología de masas. Se señalan algunos de tales retos: El primer reto relacionado con los aspectos metodológicos. Sería muy útil la existencia de una interfaz de programación de aplicaciones estándar, de forma que los desarrolladores puedan integrar sin dificultad los resultados de los diversos algoritmos de minería. Esto podría facilitar también la tarea de automatizar y simplificar todo el proceso, integrando aspectos como muestreo, limpieza productos de minería de datos estuvieran orientados al programador para fomentar su uso y ampliación. Sería asimismo necesario unificar la teoría sobre la materia: Así de datos, minería, visualización, etc. En este mismo sentido sería deseable que los se puede observar que los estados del arte no son generalizables, no existe un estándar para la validación de resultados y, en general, la investigación se realiza demasiado aislada. Asimismo se necesitaría mejorar la formación en esta área entre los titulados universitarios, que sería la mejor manera de expandir su uso, y finalmente, sigue siendo un asunto pendiente la integración del conocimiento del dominio en el algoritmo, y viceversa, es decir, mejorar la interpretabilidad y facilidad de uso del modelo hallado.
Kargupta, en el libro mencionado, señala que el segundo reto relacionado con la escalabilidad. La escalabilidad de la minería de datos hacia grandes volúmenes de datos es y será siempre una de las tendencias futuras, ya que el volumen de información que se ha de tratar crece de manera exponencial, con lo que los avances en esta área quedan siempre superados por las necesidades crecientes. Datos con miles de atributos es ya algo habitual, pero es probable que las técnicas no estén preparadas aún para centenares de miles o incluso millones de características. Dentro de esta línea también se localiza la minería de flujos de datos de muy alta velocidad con posibles cambios de estructura, dimensión o modelo de generación dinámico durante la fase de entrenamiento. Esto obliga a contar con un modelo de conocimiento en todo momento. El tercer reto está relacionado con la simulación, integración en la toma de decisiones y la minería de datos. Los modelos extraídos para un ámbito de interés de una organización. Básicamente se trata de utilizar las salidas de unos modelos como entradas de otros y maximizar el beneficio del conjunto de modelos. Además, pueden añadirse al modelo global restricciones de valores máximos o mínimos, saturación, etc. Las técnicas tradicionales de combinación de modelos, no pueden aplicarse directamente. Las técnicas de simulación en minería de datos, más relacionadas con el problema de una maximización global no han recibido la atención suficiente desde el área de la minería de datos.
TITULARES
martes, 17 de diciembre de 2013
Algoritmo evolutivo multiobjetivo
Segun Miettinen, en el libro escrito el año 1998 mencionado anteriormente, a finales del siglo veinte, existían más de treinta técnicas de programación matemática para resolver problemas de optimización multiobjetivo. Con todo, la complejidad de muchos problemas de optimización multiobjetivo del mundo real vuelve a estas técnicas inadecuadas o incluso inaplicables para resolverlos. La complejidad de estos problemas se debe, entre otras cosas: A la multimodalidad, a la alta dimensionalidad del espacio de búsqueda, a la discontinuidad de sus funciones objetivo, a desconexiones tanto en el espacio de las variables de decisión como en el de las funciones objetivo, o a que son NP-completos. Algunos investigadores, entre los que destacan Fogel, con el libro escrito el año 1999 titulado “Inteligencia artificial a través de la evolución simulada: Cuarenta años de programación evolutiva”, además de Michalewicz y Fogel, con el libro escrito el año 2000 titulado “Como resolverlo: Heurísticas modernas”, han identificado algunas dificultades que tienen las técnicas clásicas para resolver problemas de optimización multiobjetivo. A continuación se listan algunas de ellas: (1) Los algoritmos necesitan ejecutar varias veces para encontrar varias soluciones del conjunto de óptimos de Pareto. (2) La mayoría de los algoritmos requieren información sobre el dominio del problema que se trata. (3) Algunos algoritmos son sensibles a la forma o continuidad del frente de Pareto. (4) En los problemas que involucran incertidumbre o eventos estocásticos, los métodos clásicos son inadecuados. (5) La dispersión de las soluciones del frente de Pareto depende de la eficiencia del optimizador monoobjetivo.
La complejidad de los problemas de optimización multiobjetivo del mundo real ha conducido a la búsqueda de enfoques alternativos para resolver este tipo de problemas. Uno de esos enfoques lo encabezan los algoritmos evolutivos. A finales de los años 1960, Rosenberg, en la tesis doctoral escrita el año 1967 titulada “Simulación de poblaciones genéticas con propiedades bioquímicas”, plantea utilizar un método genético de búsqueda para resolver problemas de optimización multiobjetivo. No obstante, no fue hasta el año 1984 cuando David Schaffer, en la tesis doctoral titulada “Optimización de objetivos múltiples con algoritmos genéticos de vectores evaluados”, propone la primera implementación de lo que actualmente se conoce como algoritmo evolutivo multiobjetivo. A partir de ese momento, varios investigadores, entre los que destacan Coello y Toscano, con el artículo escrito el año 2001 titulado “Optimización multiobjetivo utilizando un algoritmo micro genético”, además de Zitzler y Thiele, con el artículo escrito el año 1999 titulado “Algoritmos evolucionarios multiobjetivo: Un caso de estudio comparativo y el enfoque del frente de Pareto”, han desarrollado su propio algoritmo evolutivo multiobjetivo. La publicación de los resultados de estos algoritmos mostró la superioridad de los algoritmos evolutivos multiobjetivo sobre las técnicas clásicas de programación matemática. Los algoritmos evolutivos son naturalmente adecuados para resolver problemas de optimización multiobjetivo gracias a que trabajan de manera simultánea con un conjunto de soluciones potenciales, es decir, la población. Esta característica permite encontrar varias soluciones del conjunto óptimo de Pareto en una sola ejecución. Asimismo, son menos sensibles a la forma o continuidad del frente de Pareto. Zitzler y Thiele mencionan que las características fundamentales, de un algoritmo evolutivo multiobjetivo, son las siguientes: Mantener un conjunto de soluciones potenciales, el cual es sometido a un proceso de selección y es manejado por operadores genéticos, generalmente la recombinación y la mutación. Los algoritmos evolutivos y los algoritmos evolutivos multiobjetivo son estructuralmente similares. La diferencia fundamental es que un algoritmo evolutivo multiobjetivo calcula muchas funciones de aptitud.
lunes, 2 de diciembre de 2013
Aprendizaje supervisado
Según Basogain, en el libro digital escrito el año 2006 titulado “Redes neuronales artificiales y sus aplicaciones”, las redes neuronales artificiales están inspiradas en las redes neuronales biológicas del cerebro humano. Están constituidas por elementos que se comportan de forma similar a la neurona biológica en sus funciones más comunes. Estos elementos están organizados de una forma parecida a la que presenta el cerebro humano. Las redes neuronales artificiales al margen de “parecerse” al cerebro presentan una serie de características propias del cerebro. Por ejemplo las redes neuronales artificiales aprenden de la experiencia, generalizan de ejemplos previos a ejemplos nuevos y abstraen las características principales de una serie de datos. (1) Aprender. Adquirir el conocimiento de una cosa por medio del estudio, ejercicio o experiencia. Las redes neuronales artificiales pueden cambiar su comportamiento en función del entorno. Se les muestra un conjunto de entradas y ellas mismas se ajustan para producir unas salidas consistentes. (2) Generalizar. Extender o ampliar una cosa. Las redes neuronales artificiales generalizan automáticamente debido a su propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen, respuestas correctas a entradas que presentan pequeñas variaciones debido a los efectos de ruido o distorsión. (3) Abstraer. Aislar mentalmente o considerar por separado las cualidades de un objeto. Algunas redes neuronales artificiales son capaces de abstraer la esencia de un conjunto de entradas que aparentemente no presentan aspectos comunes o relativos.
En palabras de Chauvin y Rumelhart, en el libro escrito el año 1995 titulado “Backpropagation: Teoria, arquitectura y aplicaciones”, una vez diseñada la arquitectura de la red neuronal, compuesta por capas y número de neuronas por capa, además de las funciones que la regirán, se tiene que proceder a entrenar a la red para que “aprenda” el comportamiento que debe tener; es decir, para que aprenda a dar la respuesta adecuada a la configuración de estímulos o patrones de entrada que se le presenten. Una excepción a esta regla general la constituyen las redes de Hopfield, que no son entrenadas sino construidas, de modo que tengan ya inicialmente el comportamiento deseado. Por este motivo, se ha dicho que las redes de Hopfield simulan el comportamiento “instintivo” mientras que las demás redes simulan el comportamiento “aprendido”.
Según Gestal, en la tesis de doctorado escrita el año 2009 titulada “Computación evolutiva para el proceso de selección de variables en espacios de búsqueda multimodales”, con la técnica de aprendizaje supervisado el entrenamiento consiste en presentarle a la red repetitivamente patrones de estímulos de entrada pertenecientes a un juego de ensayo. El juego de ensayo está formado por parejas “patrón de estímulos - respuesta correcta” y debe de ser elegido cuidadosamente. Cada pareja se denomina hecho. En el juego de ensayo debe estar representada equilibradamente toda la información que la red necesite aprender. Al realizar el entrenamiento la respuesta que da la red a cada patrón se compara con la respuesta correcta ante dicho patrón y, en virtud de esa comparación, se reajustan los pesos sinápticos. El reajuste de los pesos sinápticos está orientado a que, ante el patrón de entrada, la red se acerque cada vez más a la respuesta correcta. Cuando ante un patrón de entrada la red de neuronas ya responde correctamente, se pasa al siguiente patrón del juego de ensayo y se procede de la misma manera. Cuando se termina con el último patrón del juego de ensayo, se tiene que volver a empezar con el primero, ya que los pesos se han seguido modificando. En casos sencillos, al cabo de unos pocos pasos de entrenamiento completos, con todos los elementos del juego de ensayo, los pesos sinápticos de todas las neuronas se estabilizan en torno a unos valores óptimos. Se dice entonces que el algoritmo de aprendizaje converge. Es decir, después de sucesivas presentaciones de todos los patrones estimulares del juego de ensayo, la red, responderá correctamente a todos ellos y se puede considerar entrenada y dar por terminada la fase de aprendizaje. El aprendizaje puede realizarse con tres técnicas diferentes: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje parcialmente supervisado. Al interior de estas técnicas, el aprendizaje supervisado es la técnica de aprendizaje más sencilla, consiste en la presentación de los patrones de entrada y de las etiquetas de clase deseadas para cada patrón de entrada.
En palabras de Chauvin y Rumelhart, en el libro escrito el año 1995 titulado “Backpropagation: Teoria, arquitectura y aplicaciones”, una vez diseñada la arquitectura de la red neuronal, compuesta por capas y número de neuronas por capa, además de las funciones que la regirán, se tiene que proceder a entrenar a la red para que “aprenda” el comportamiento que debe tener; es decir, para que aprenda a dar la respuesta adecuada a la configuración de estímulos o patrones de entrada que se le presenten. Una excepción a esta regla general la constituyen las redes de Hopfield, que no son entrenadas sino construidas, de modo que tengan ya inicialmente el comportamiento deseado. Por este motivo, se ha dicho que las redes de Hopfield simulan el comportamiento “instintivo” mientras que las demás redes simulan el comportamiento “aprendido”.
Según Gestal, en la tesis de doctorado escrita el año 2009 titulada “Computación evolutiva para el proceso de selección de variables en espacios de búsqueda multimodales”, con la técnica de aprendizaje supervisado el entrenamiento consiste en presentarle a la red repetitivamente patrones de estímulos de entrada pertenecientes a un juego de ensayo. El juego de ensayo está formado por parejas “patrón de estímulos - respuesta correcta” y debe de ser elegido cuidadosamente. Cada pareja se denomina hecho. En el juego de ensayo debe estar representada equilibradamente toda la información que la red necesite aprender. Al realizar el entrenamiento la respuesta que da la red a cada patrón se compara con la respuesta correcta ante dicho patrón y, en virtud de esa comparación, se reajustan los pesos sinápticos. El reajuste de los pesos sinápticos está orientado a que, ante el patrón de entrada, la red se acerque cada vez más a la respuesta correcta. Cuando ante un patrón de entrada la red de neuronas ya responde correctamente, se pasa al siguiente patrón del juego de ensayo y se procede de la misma manera. Cuando se termina con el último patrón del juego de ensayo, se tiene que volver a empezar con el primero, ya que los pesos se han seguido modificando. En casos sencillos, al cabo de unos pocos pasos de entrenamiento completos, con todos los elementos del juego de ensayo, los pesos sinápticos de todas las neuronas se estabilizan en torno a unos valores óptimos. Se dice entonces que el algoritmo de aprendizaje converge. Es decir, después de sucesivas presentaciones de todos los patrones estimulares del juego de ensayo, la red, responderá correctamente a todos ellos y se puede considerar entrenada y dar por terminada la fase de aprendizaje. El aprendizaje puede realizarse con tres técnicas diferentes: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje parcialmente supervisado. Al interior de estas técnicas, el aprendizaje supervisado es la técnica de aprendizaje más sencilla, consiste en la presentación de los patrones de entrada y de las etiquetas de clase deseadas para cada patrón de entrada.
Suscribirse a:
Entradas (Atom)