Una visión unificada de las redes neuronales y la estadística multivariante

• Autores: Andres Jiménez Jimenez
• Directores de la Tesis: Jorge Elías Ollero Hinojosa (dir. tes.) , Francisco Álvarez González (codir. tes.)
• Lectura: En la Universidad de Cádiz ( España ) en 2003
• Idioma: español
• Tribunal Calificador de la Tesis: Antonio Pascual Acosta (presid.) , Héctor Manuel Ramos Romero (secret.) , Luis Parra Guijosa (voc.) , José Muñoz Pérez (voc.) , Alfredo Martínez Almécija (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • La memoria presentada, tiene como objetivo unificar en un marco de carácter estadístico los métodos tradicionales de clasificaión y los modelos de redes neuronales (RNA's). Su contenido aborda tres aspectos:

    * Un trabajo de síntesis, orientado a agrupar y cohesionar un cuerpo considerable de fundamentación estadística que encuadre las redes neuronales en dicha disciplina.

    * Un trabajo experimental, basado en la simulación computerizada y el análisis estadístico de los resultados, con el que se pretende aportar información precisa del comportamiento de los modelos neuronales y evaluar los factores de mayor influencia. De este trabajo pudo deducirse:

    A,- La superioridad de modelos de clasificación cuando trabajan de manera cooperativa con los estadísticos.

    B,- El aumento de la complejidad computacional cuando se le exige a las RNA's por encima de sus posibilidades.

    C,- El efecto cuadrático de la dispersión de los datos sobre las aproximaciones asintóticas realizadas por RNA's.

    D,- La eficacia de las redes neuronales para estimar funciones de densidad.

    E,- La eficacia de las redes neuronales en las clasificación de muestras atípicas.

    F,- La idoneidad de la teoría de la información aplicada al contexto neuronal y su eficacia en los procesos de reducción de dimensión al usar como función criterio la distancia entropía.