El modelo predictivo de categorización de riesgo en vías podria desarrollarse a partir de redes neuronales artificiales por lo cual a continuación se dara una descripción general del tema.
Redes Neuronales Artificiales
Una red neuronal
artificial (RNA) es un paradigma de aprendizaje y procesamiento automático
inspirado en la forma en que funciona el sistema nervioso.
Es posible entender
a las RNA como un marco estadístico muy general para modelar probabilidades
posteriores dado un conjunto de muestras (los datos de entrada). [1]
Las RNA tambien pueden
verse como una metodología de procesamiento computacional que permite
establecer patrones y/o comportamientos de un conjunto de datos que pueden ser
considerados como complejos, debido a su volumen y distribución, con el fin de
dar una solución no algorítmica al problema que los datos pueden plantear[2].
En este punto es necesario
platearse que problemas pueden ser o no apropiados para ser descritos por una
red neuronal.
Aquellos problemas
que se pueden describir fácilmente como diagramas de flujo, son ejemplos de
problemas para los cuales las redes neuronales no son apropiadas. Si el
programa consta de pasos bien definidos, las técnicas normales de programación
serian suficientes. También se debe tener en cuenta si la lógica del problema
cambia en el tiempo, una de las características principales de las redes
neuronales es su capacidad para aprender. Si el algoritmo usado para resolver
su problema es una regla de negocio que no cambia, no hay razón para utilizar
una red neuronal, de hecho, podría ser perjudicial para su aplicación si la red
neuronal intenta encontrar una solución mejor, y comienza a separarse del
proceso deterministico puede producir resultados poco precisos. Otro escenario
en el cual no es recomendable usar RNA es cuando se sabe exactamente cómo se
obtuvo la solución, una red neuronal puede ser muy útil para resolver el
problema para el cual fue entrenado, pero la red neuronal no puede explicar su
razonamiento, la red neuronal sabe algo porque fue entrenado para saberlo y no
puede explicar la serie de pasos para obtener la respuesta.
Por otro lado las
redes neuronales son especialmente útiles para resolver problemas que no se
puede expresar como una serie de pasos, tales como reconocimiento de patrones,
clasificación, predicción de la serie, y minería de datos. como ya se menciono
el reconocimiento de patrones es quizás el uso más común de las redes
neuronales, para este tipo de problema la red neuronal se le presenta un
patrón. Esto podría ser una imagen, un sonido, o cualquier otro dato. La red
neuronal a continuación, intenta determinar si los datos de entrada coincide
con un patrón que ha sido entrenado para reconocer. Se debe decir tambien las
redes neuronales pueden resolver problemas de clasificación ya que este es un
proceso que está estrechamente relacionado con el reconocimiento de patrones.
Una red neuronal entrenada para la clasificación está diseñada para tomar
muestras de la entrada y clasificarlos en grupos, estos grupos pueden ser
difusos sin limites claramente definidos o por el contrario grupos con límites
muy rígidos.
Para el problema
plateado en este trabajo de grado las RNA pueden ser útiles a la hora de
clasificar entidades afines de un conjunto de datos a otro a partir de las
similitudes medidas en a las características de cada conjunto. Es un típico
problema de clasificación y reconocimiento de patrones para el cual las RNAs
pueden ser útiles
D’ESAII. “Introducción A Las Redes
Neuronales”. 1999.
No hay comentarios:
Publicar un comentario