Universidad de Burgos
Universidad de Burgos
  • Ingles
  • Portugues
  • Chino
Imprimir. Este enlace se abrirá en una ventana emergente.

Modelos neuronales basados en aprendizaje no supervisado para la visualización de grandes conjuntos de datos

OTRI

Modelos neuronales basados en aprendizaje no supervisado para la visualización de grandes conjuntos de datos  pdf

  modeloImagen en alta resolución. Este enlace se abrirá mediante lightbox, puede haber un cambio de contexto

Descripción            

Con los modelos desarrollados por este grupo, se puede visualizar en primer lugar y analizar posteriormente la estructura de conjuntos de datos de una alta dimensionalidad. Es decir, se permite un estudio de datos por ejemplo con un gran número de instancias (ejemplos) y además un gran número de variables para cada una de ellas. 

Necesidad o problema que resuelve

Actualmente existe una cantidad de información tan elevada que no se puede procesar fácilmente para extraer conocimiento de ella. Un análisis exhaustivo, caso por caso, elevaría hasta límites inabordables el análisis de un gran número de datos que hoy en día son capturados. Estos pueden hacer referencia a estadísticas de compras de nuestros clientes, características de diferentes productos, registros de una determinada máquina o sistema, muestras de un determinado proceso industrial, etc.

Los  modelos proyeccionistas proponen una visualización de datos con estas características; un gran volumen y además una alta dimensionalidad (gran cantidad de información para cada uno de los clientes, productos, registros, muestras...). Al ofrecer una proyección que preserva la mayor parte de información en los datos, maximizando la posibilidad de realzar la estructura de los datos, se permite un posterior análisis rápido de los mismos. En primer lugar se puede identificar la estructura general del conjunto de datos, detectando el agrupamiento de los mismos (diferentes tipos de clientes, grupos de productos, comportamientos de las máquinas analizadas, etapas o regiones de funcionamiento de los diferentes procesos...). Una vez conocida esta estructura general, se puede pasar a un análisis pormenorizado de cada uno de estos grupos, considerando la estructura interna de los mismos. Con todo esto, se puede fácilmente llevar a cabo un análisis de los datos, extrayendo conclusiones sobre los mismos al ser interpretados por un experto en la materia (factores que inciden en el comportamiento de los clientes, productos estrella o con menor éxito, valores óptimos de ajuste de una determinada máquina, comprensión de determinados procesos).

Aspectos innovadores

Existen otros métodos de visualización de datos, pero la mayor parte de ellos no proporciona una forma sencilla e intuitiva para identificar la estructura y analizar el comportamiento de los datos.

De esta forma se reducen los tiempos de análisis y se obtienen resultados preliminares que pueden orientar posteriores análisis más exhaustivos.

Aplicabilidad de la Tecnología

Estos modelos pueden ser aplicados a cualquier conjuntos de datos que necesite ser analizado, independientemente de la realidad a la que hagan referencia esos datos.

Algunos ejemplos de aplicación son los mencionados anteriormente: datos económicos, datos de producción, estadísticas de funcionamiento o de acceso, etc.

Nivel de desarrollo

Desarrollado pero no comercializado

Grupo de investigación

botón  Nombre: Inteligencia Computacional Aplicada.

botón  Facultad: Escuela Politécnica Superior Campus Vena

botón  Departamento: Ingeniería Civil – Área de Lenguajes y Sistemas Informáticos

mail     ahcosio@ubu.esEste enlace se abrirá en una ventana emergente

web    http://www2.ubu.es/ginves/ing_const/gicap/index.htm:imagePopupEste enlace se abrirá en una ventana emergente

Persona de contacto

botón   Jose Manuel López López

mail     jmllopez@ubu.esEste enlace se abrirá en una ventana emergente

telefono  +34 947 258 895

                                                                                                                                                                                        

Webmail-UBUNet

Webmail-UBUNet
https://correoweb.ubu.es/UBUNet

Buscapersonas UBUVirtual

Buscapersonas- UBUVirtual
BuscapersonasUBUVirtual
Universidad de Burgos
Universidad de Burgos
Resolución recomendada: 1024 x 768