31 - 10 - 2020

    ANN son herramientas poderosas del análisis predictivo

    ANN-redes-artificiales-conexion

    Las ANN o redes neuronales artificiales son una de las herramientas más poderosas dentro del Análisis predictivo y la Inteligencia Artificial, según detalla Enrique Bueno en Lis-Solutions.

    Una ANN no es más que una réplica de lo que podría ser un cerebro humano: una serie de neuronas (centros de procesamiento y memoria) interconectadas entre sí, de tal forma que los datos fluyen desde la capa de entrada a la capa de salida (donde obtenemos el output que queremos conseguir), pasando al menos por una capa oculta.

    La forma en que se relacionan estas entradas y salidas puede ser más o menos obvia (desde una regresión lineal a una relación no lineal como una función sigmoidal), pero la clave es la ponderación (siguiendo con el símil cerebral, los pesos sinápticos) que se le da a las distintas entradas.

    Por eso, los procesos industriales son el escenario idóneo para “exprimir” al máximo estos cerebros artificiales, una de las principales herramientas analíticas, paradigma de Machine Learning. Se pierde comprensión a la hora de saber cómo las entradas influyen en la salida, pero la precisión que se obtiene en estas herramientas hace que se compense dicha pérdida.

    A partir de aquí, las oportunidades de las ANN en las empresas son inmensas, como la aproximación de funciones ya que, aunque se usen nombres vertiginosos para los no expertos (neuronas, pesos sinápticos), no es más que el campo de optimización de funciones, en este caso de una función coste.

    Además, las ANN también permiten la predicción de series temporales, que no deja de ser un tipo especial de aproximación de funciones, en el que el estado actual i es función del estado anterior i-1.

    Quizá el uso más extendido de las ANN es la clasificación, en donde son usadas para categorizar a una muestra en una de las serie de clases ya definidas que más se adecúan a sus variables, por ejemplo, categorizar si un correo es spam o no, si la imagen analizada es un coche o un asiento, etc.

    El agrupamiento es un tipo de clasificación en el cual no se conocen las categorías de antemano. Las muestras serán agrupadas en función de unas característica de entrada, ponderando de sobremanera aquellas que sean “geográficamente” más cercanas entre sí.

    México pone en marcha la ARTF

    Principal reto de la distribución será adaptarse a tendencias de consumo

    Deje un comentario

    Tu dirección de correo electrónico no será publicada.