Métodos de aprendizaje

Top PDF Métodos de aprendizaje:

Métodos de aprendizaje supervisado para la predicción de diabetes: una revisión sistemática de la literatura

Métodos de aprendizaje supervisado para la predicción de diabetes: una revisión sistemática de la literatura

Resumen. La inteligencia artificial (IA) y sus beneficios en el campo de la me- dicina han generado gran revolución. Es por este motivo que se quiere identifi- car los métodos de aprendizaje supervisado (una sub-área de la inteligencia arti- ficial) y los factores empleados para la predicción de la diabetes que han sido más significativos en cuanto a técnica (de los cuales resaltan árbol de decisión y sus derivados) y resultados. Para la identificación de estos métodos se realizó una revisión sistemática de la literatura. De todos los artículos encontrados se extrajo los métodos de maching learning para considerarlos como antecedentes. Existen diversos métodos de aprendizaje supervisado que pueden predecir la diabetes en los que algunos son híbridos y otros puros, uno mejores que otros según sea el caso de estudio. Finalmente, después de una revisión de los artícu- los seleccionados se destaca la etapa del pre-procesamiento en el desarrollo de estos modelos para alcanzar una mayor puntuación en la precisión.
Mostrar más

31 Lee mas

Métodos de aprendizaje automático para el pronóstico del consumo eléctrico de prosumidores

Métodos de aprendizaje automático para el pronóstico del consumo eléctrico de prosumidores

En ese sentido, surge la idea de explorar la aplicación práctica de métodos de aprendizaje automático en prosumidores. El objetivo de la investigación es construir modelos predictivos basados en el aprendizaje automático para pronosticar el consumo de electricidad a corto plazo de un prosumidor residencial; asimismo, determinar el rendimiento de los modelos en términos de exactitud. La investigación es relevante, dado que hasta la fecha solo se han realizado estudios limitados sobre este tema. En este estudio, se describe una metodología experimental para resolver el problema de previsión energética, la cual comprende un proceso de construcción y evaluación de modelos de predicción basados en los métodos k-Nearest Neighbors y Artificial Neural Networks. Esta metodología es aplicada en un prosumidor residencial, cuyas mediciones históricas de consumo eléctrico en combinación con variables meteorológicas son utilizadas como datos de entrada para entrenar y optimizar los modelos predictivos.
Mostrar más

10 Lee mas

Deteccion automática de blancos de superficie a partir de métodos de aprendizaje de máquina

Deteccion automática de blancos de superficie a partir de métodos de aprendizaje de máquina

Este proyecto pretende proporcionar nuevas herramientas en el proceso de toma de decisiones durante el desarrollo de las operaciones, mediante la detección en forma automática de los ecos recibidos por el radar y su clasificación como blancos de superficie, sin la intervención directa de operadores humanos, empleando métodos de aprendizaje de máquina. De esta manera se explotarían aún más las capacidades de los radares de navegación con los que actualmente están dotadas todas las unidades de superficie y se mejoraría el desempeño de los operadores.

36 Lee mas

Métodos de aprendizaje automático para detección de anomalías

Métodos de aprendizaje automático para detección de anomalías

En este trabajo de n de máster se analizan diferentes métodos para la detección de outliers o anomalías, es decir, aquellos puntos que se encuentran en nuestro conjunto de datos pero que no se ajustan a la norma. La presencia de estos puntos puede hacer que las predicciones realizadas por un modelo no sean tan precisas como nos gustaría, por lo que es necesario el uso de metodologías que nos ayuden a identicarlos. Para ello se va a partir del estudio de métodos de aprendizaje automático ampliamente conocidos como los de vecinos próximos, Random Forests y máquinas de vectores de soporte para el posterior estudio de cuatro métodos de detección de outliers. Los métodos de detección de anomalías que se van a estudiar son el de covarianza robusta, el del factor de outlier local, el de los bosques de aislamiento y el de las máquinas de vectores de soporte de una clase. El primero de ellos trata de encontrar una elipse que contenga los puntos considerados como normales. El segundo de los métodos busca asignar a cada uno de los datos una puntuación en función de la distancia a la que se encuentran sus vecinos, de tal manera que los puntos más aislados sean considerados como anomalías. El tercer método que se va a estudiar se basa en la construcción de árboles binarios con la idea de que los outliers se encuentren en hojas más cercanas a la raíz mientras que los puntos normales se ubiquen a mayor profundidad. Finalmente, el último método trata el problema como si solo existieran dos clases, la de los datos normales y la de los que no lo son, por lo que su objetivo es encontrar el hiperplano que mejor las separa.
Mostrar más

106 Lee mas

Métodos de aprendizaje automático aplicados a problemas cosmológicos

Métodos de aprendizaje automático aplicados a problemas cosmológicos

En este trabajo presentaremos el estudio de diferentes problemas cosmol´ogicos me- diante la implementaci´on de t´ecnicas de aprendizaje autom´atico. En la primera parte de la tesis se presenta el marco te´orico necesario para estudiar los diferentes problemas cos- mol´ogicos que abordamos durante la tesis. Mientras que en el Cap´ıtulo 1 se presenta una introducci´on general sobre el modelo cosmol´ogico est´andar, en el Cap´ıtulo 2 se detallan los principales algoritmos de aprendizaje autom´atico que se utilizar´an durante este trabajo. Esta clase de algoritmos presenta una nueva forma de analizar grandes conjuntos de datos y de buscar correlaciones entre las variables involucradas en un dado problema. Habiendo sido aplicadas con mucho ´exito en diferentes ´areas de la ciencia y en diversos proble- mas tecnol´ogicos, en este trabajo utilizamos dichos m´etodo para abordar 2 problemas as- tron´omicos: la clasificaci´on de c´umulos de galaxias seg´un su estado din´amico (Cap´ıtulo 3) y el an´alisis estad´ıstico del fondo c´osmico de microondas (Cap´ıtulo 7). Adem´as tambi´en se presenta un estudio estad´ıstico sobre la relaci´on entre el estado din´amico de los c´umu- los de galaxias y los campos magn´eticos presentes en el medio intra-c´umulo (Cap´ıtulo 4) y una serie de estudios individuales (Cap´ıtulos 5 y 6) sobre los candidatos a c´umulos en interacci´on identificados mediante algoritmos de aprendizaje autom´atico. Finalmente en el Cap´ıtulo 8 se presenta un estudio te´orico sobre las implicaciones observacionales que tendr´ıa una posible interacci´on entre la materia oscura y los fotones del fondo c´osmico de microondas.
Mostrar más

283 Lee mas

La contribución de los métodos de aprendizaje automático no supervisado al diseño de métodos para la clasificación textual según el grado de especialización

La contribución de los métodos de aprendizaje automático no supervisado al diseño de métodos para la clasificación textual según el grado de especialización

El presente artículo constituye uno de los proyectos piloto para elaborar un modelo integrador para analizar el grado de especialización textual y pretende experimentar con una metodología fiable y eficiente para estudiar relaciones entre atributos y proponer probabilidad de clases. Este proyecto permitirá, por tanto, conocer y poner a prueba las lagunas teóricas y problemas metodológicos que suponen los valores de los atributos y las clases con las que trabajamos, así como las posibles conclusiones con respecto al uso de algoritmos de aprendizaje automático y su utilidad al relacionar atributos, clases y límites difusos. Para extraer estas conclusiones, el principal recurso de análisis es la preparación de una base de datos que sintetiza los datos extraídos del análisis manual realizado por el experto a partir de un corpus lingüístico.
Mostrar más

19 Lee mas

Métodos de aprendizaje automático aplicados a la industria aseguradora

Métodos de aprendizaje automático aplicados a la industria aseguradora

El aprendizaje automático ( machine learning) es un campo de la inteligencia artificial y de las ciencias de la computación que tiene como objetivo desarrollar técnicas a partir de las cuales los computadores puedan aprender a identificar patrones, anotando que el aprendizaje se alcanza cuando el desempeño mejora con la experiencia; en este contexto, la experiencia está basada en la generación de algoritmos a partir de la generalización y la inferencia de datos e información y no en la programación realizada por un humano. Para ser analizados, los datos pueden estar almacenados en una bodega de datos o en una base de datos (datos estructurados) o también pueden ser extraídos de varias fuentes de datos no estructurados, como por ejemplo archivos, imágenes y audios (Russell y Norvig, 2016). La minería de datos y el aprendizaje automático son conceptos muy similares, con la diferencia básica de que la minería de datos requiere intervención humana para analizar los datos, mientras que en el aprendizaje automático la máquina aprende de forma independiente a partir de esos datos. Los modelos de aprendizaje automático pueden agruparse en dos categorías: Modelos supervisados: la finalidad es predecir un evento o estimar el valor de un atributo numérico continuo. En estos modelos se tienen campos o atributos descriptivos (predictores) y un campo objetivo (respuesta) que está asociado a los predictores a través de una función generada por el modelo. Incluyen modelos de clasificación y modelos de estimación.
Mostrar más

58 Lee mas

Automatización de cefalometrías utilizando métodos de aprendizaje automático

Automatización de cefalometrías utilizando métodos de aprendizaje automático

En este trabajo especial se utilizaron herramientas de Aprendizaje Automático para la generación de cefalometrías. Se presentaron arquitecturas de redes neurona- les convolucionales novedosas que estan basadas en Autoencoders, utilizando capas Inception. Los distintos modelos presentados se utilizaron para la detección de pun- tos específicos en imágenes, en particular para la detección de puntos cefalométricos sobre imagenes de rayos x. Incluso con las arduas restricciones del problema, es decir detectar puntos cefalométricos a una distancia de 2mm, demostraron tener buenos resultados para las tareas mencionadas. Algunos aspectos claves a mencionar: La calidad de las imagenes influye de manera considerable en el comportamiento del modelo, imagenes de alta resolución y de equipos que son consistentes a la hora de realizar imagenes de rayos x logran que los resultados sean mejores. Los datasets construidos tienen que ser de imagenes etiquetadas por un solo profesional evitan- do que hayan, en un mismo dataset, imágenes marcadas por distintos profesionales. También, es posible etiquetar todas las imagenes del mismo dataset por distintos profesionales para poder tomar como punto verdadero los datos calculados con el promedio de las marcaciones de los distintos odontólogos. Se intentaron distintos experimentos para añadir información extra al modelo como la localización de las distintas estructuras, esto logró estabilizar el modelo logrando que los mapas de probabilidad generados por los modelos tengan activaciones mas localizadas dismi- nuyendo la cantidad de falsas activaciones.
Mostrar más

63 Lee mas

Corrección atmosférica de imágenes de satélite por métodos de aprendizaje automático

Corrección atmosférica de imágenes de satélite por métodos de aprendizaje automático

Evaluamos el impacto de la correcci´ on atmosf´erica en la estimaci´ on del NDVI, concluyendo que, sin ella, se subestima entre 1 y 6 % de su valor, dependiendo del estado de la vegetaci´ on. En el cap´ıtulo 2, presentamos el modelo num´erico de predicci´ on meteorol´ ogica WRF as´ı co- mo un breve repaso de las ecuaciones que integra, el m´etodo num´erico utilizado y el proceso de discretizaci´ on del sistema. En el cap´ıtulo 3, se introduce el modulo qu´ımico WRF-Chem y las bases de datos de emisiones que se utilizaron para definir las concentraciones de los componentes atmosf´ericos. Al final del mismo, se incluye una peque˜ na descripci´ on de la herramienta que utilizamos para adaptar dichas emisiones a la rejilla del modelo. En el cap´ıtulo 4, exponemos algunos m´etodos de asimilaci´ on de datos as´ı como los conceptos fun- damentales involucrados. Tambi´en incluimos un par de ejemplos de aplicaci´ on de alguno de los m´etodos en el modelo de Lorenz. Sucintamente, presentamos los sensores de radiancia (ATOVS) que utilizamos en la asimilaci´ on. En el cap´ıtulo 5, presentamos los algoritmos de aprendizaje autom´atico que fueron comparados en la tesis; la teor´ıa de validaci´on; algunos m´etodos de selecci´on de variables y selecci´on del modelo; y una herramienta de diagn´ostico de la descompensaci´on entre el bias/varianza. En el cap´ıtulo 6, describimos la metodolog´ıa llevada a cabo durante el desarrollo de la tesis. En la primera parte, expusimos c´omo se calcu- lan las variables de entrada del modelo de transferencia a partir de las salidas de los modelos meteorol´ogicos y de composici´on qu´ımica. Posteriormente, desarrollamos el procedimiento de selecci´on del modelo y de las variables m´as adecuadas. Finalmente, presentamos los re- sultados. El cap´ıtulo 7 recoge las conclusiones del trabajo. Hemos incluido cuatro Ap´endices que muestran las im´agenes Landsat utilizadas, la descripci´on del modelo 6S, los conjuntos de par´ametros de configuraci´on y una serie de tablas a modo de ilustraci´on del procedimiento y los resultados.
Mostrar más

154 Lee mas

Métodos de aprendizaje máquina aplicados a la predicción del consumo eléctrico de edificios.

Métodos de aprendizaje máquina aplicados a la predicción del consumo eléctrico de edificios.

Los primeros modelos no lineales construidos son las redes neuronales artificiales, concretamente, el perceptr´on multicapa. Este m´etodo ha si- do ampliamente utilizado debido a su robustez y buenos resultados. A pesar de haber probado hasta cuatro capas ocultas, los mejores resul- tados se obtienen con modelos de dos (2LP ) y una capa oculta (1LP ). El principal inconveniente encontrado es la baja interpretabilidad y el largo tiempo de entrenamiento. Por otra parte las m´aquinas de vecto- res soporte (SVM ) requieren un menor tiempo de aprendizaje dando buenos resultados aunque por detr´as del MLP. Hemos encontrado que las m´aquinas de aprendizaje extremo (ELM ) no tienen utilidad, en principio, dado su bajo poder de predicci´on.
Mostrar más

229 Lee mas

La asistencia a juicios y su simulación como nuevos métodos de aprendizaje del Derecho procesal

La asistencia a juicios y su simulación como nuevos métodos de aprendizaje del Derecho procesal

ejecutada, a mi juicio, resulta una actividad extremadamente formativa 27 , entre otras razones, porque supone la réplica de un escenario cercano al marco real en el que en un futuro próximo pueden desarrollar su profesión y porque el grado de implicación de los alumnos en esta actividad es muy elevado y, por tanto, el nivel de aprendizaje muy alto 28 . Además, en la asistencia a juicios o en la reproducción de grabaciones la labor del alumno es más pasiva, mientras que en la actividad de simulación el alumno adquiere el protagonismo de la actividad 29 . Es decir, en la actividad de simulación de procesos el grado de esfuerzo y la cantidad de trabajo para el alumno en esta actividad es muy superior, lo que redunda directamente en una mayor calidad –profundidad y duración- del aprendizaje.
Mostrar más

17 Lee mas

El aprendizaje de la lectoescritura musical en educación primaria. Métodos y recursos

El aprendizaje de la lectoescritura musical en educación primaria. Métodos y recursos

Lo importante es dar un sentido a la Música y desarrollar los diferentes planos del desarrollo del niño. También a través de la Música desarrollamos todas las competencias básicas. Analizando los diferentes métodos de aprendizaje se concluye que todos estos métodos tienen unos aspectos particulares y otros universales. Los particulares tienen que ver con las circunstancias del espacio, momento, autor, tiempo… los universales con la esencia, el fundamento, perduran y son válidos en todo el tiempo y lugar. Cada maestro debe percibir la esencia de estos métodos y de los recursos y aplicarlos a su ambiente, clase, realidad y de cada uno de ellos debe utilizar lo que más le interese elaborando su método personal.
Mostrar más

53 Lee mas

TICS: métodos de simulación en la enseñanza de la Ingeniería y aprendizaje significativo

TICS: métodos de simulación en la enseñanza de la Ingeniería y aprendizaje significativo

La postura didáctica adoptada es la de brindar una enseñanza orientada o preparada para que sea fácilmente internalizada por un alumno activo, creando el entorno que conduzca a un aprendizaje significativo. No se trata de crear máquinas o métodos de “hacer conocimiento” en un alumno pasivo. Si hacemos una comparación con la transferencia de información por parte de una emisora de radio o TV, que para ser captada por el receptor debe este último sintonizarse en la frecuencia del emisor, en este caso es el emisor (docente) quien debe tratar de reconocer las estructuras cognitivas del receptor, para crear un entorno y enseñar de una forma que pueda ser fácilmente captada por el receptor, transformando (cuando corresponde) la estructura cognitiva original.
Mostrar más

20 Lee mas

Diferencias de aprendizaje matemático entre los métodos de enseñanza ABN y CBC

Diferencias de aprendizaje matemático entre los métodos de enseñanza ABN y CBC

Sabemos que los tres pilares claves para el desarrollo matemático son el conocimiento del sistema de numeración convencional, el desarrollo del pensamiento lógico, y el aprendizaje significativo y contextualizado de los contenidos matemáticos (Bryant & Nunes, 2002). La finalidad de toda metodología de enseñanza de las matemáticas es alcanzar un perfeccionamiento de la aptitud en dicha materia y por tanto del desarrollo óptimo de los tres elementos o pilares fundamentales mencionados previamente. En consecuencia, para observar la efectividad de una metodología de enseñanza-aprendizaje, es necesario centrarnos en esos tres aspectos de cara a la obtención de una competencia adecuada en matemáticas.
Mostrar más

10 Lee mas

El potencial de los videojuegos como elementos del aprendizaje para los métodos futuros de enseñanza (online)

El potencial de los videojuegos como elementos del aprendizaje para los métodos futuros de enseñanza (online)

Resumen— Los cambios tecnológicos impactan la forma en que desarrollamos nuestras actividades, nos brindan conocimiento en la palma de nuestras manos. Sin embargo, en México han tenido problemas para integrar los avances tecnológicos en sus estrategias de enseñanza aprendizaje. La educación online permitirá abatir el rezago educativo, llevando educación a las zonas más pobres y alejadas de México. A pesar de los beneficios de este modelo educativo, su impacto en la sociedad mexicana ha sido poco, por lo que en el presente trabajo se plantea el uso de videojuegos como una herramienta de aprendizaje para la enseñanza online. Nuestros resultados muestran la aportación de los videojuegos como herramienta de aprendizaje. Cuando los estudiantes juegan, se comprometen, lo que les permite adquirir y reforzar aquellos conocimientos que no estaban adecuadamente comprendidos.
Mostrar más

5 Lee mas

MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN

MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN

Los primeros tienen más relevancia (más información) que los últimos Los factores sintetizan la información de las variables originales. Los factores sintetizan la información de las var[r]

43 Lee mas

Métodos, experiencias y herramientas para el aprendizaje experiencial de la Ciencia de Datos

Métodos, experiencias y herramientas para el aprendizaje experiencial de la Ciencia de Datos

Resumen. La Ciencia de Datos es una revolución que ya está cambiando la manera en la que nos ocupamos de negocios, sanidad, política, educación e innovación. Hay una gran variedad de cursos online, másteres, grados, y asignaturas que se enfocan a la enseñanza de este campo interdisciplinar, donde existe una demanda creciente de profesionales. En este proyecto se estudian extensiones de las metodologías de aprendizaje experiencial para Ciencia de Datos, se proponen diferentes modelos de enseñanza y aprendizaje para esta ciencia, y se exploran posibles plataformas software para facilitar el seguimiento de estos modelos. Los modelos han sido empleados en una asignatura de Deep Learning, dentro del contexto de un máster internacional en Ciencia de Datos.
Mostrar más

5 Lee mas

Aplicación Android para el aprendizaje de métodos de resolución avanzados del cubo de Rubik

Aplicación Android para el aprendizaje de métodos de resolución avanzados del cubo de Rubik

El objetivo de este proyecto es construir una aplicación que facilite el aprendizaje de los diferentes métodos de resolución. Esto se ha conseguido de dos formas. La primera ha sido desarrollando la aplicación para Android, de tal manera que se aprovecha la movilidad de los smartphones y tabletas para que el usuario pueda consultar en cualquier momento y lugar aquellos algoritmos que quiera aprender. La segunda ha sido construyendo un cubo de Rubik en tres dimensiones que permite ejecutar cualquier algoritmo que se le indique. La aplicación cuenta con una interfaz gráfica cuidada, que sigue las líneas de diseño recomendadas por Google para Android y que proporciona una experiencia de usuario positiva. Además, la estructura de la aplicación es escalable de forma que, si se quieren incorporar nuevos métodos de resolución y algoritmos, no es necesario realizar cambios en ella. Por último, incluye funcionalidad extra como la posibilidad de guardar en la nube copias de seguridad de los datos de la aplicación o de emplear distintos esquemas de colores para mostrar el cubo de Rubik tridimensional.
Mostrar más

100 Lee mas

Métodos bayesianos estadísticos y de aprendizaje automático para estimación en sistemas complejos.

Métodos bayesianos estadísticos y de aprendizaje automático para estimación en sistemas complejos.

El objetivo principal de esta tesis es aplicar m´ etodos Bayesianos estad´ısticos y de aprendizaje autom´ atico en problemas retadores de estudio como lo son el XOR continuo, la afinidad en acoplamientos enzim´ aticos y la concentraci´ on de metales pesados en la capa superficial del suelo, conforme se disminuye el tama˜ no del con- junto de entrenamiento, de modo que sea posible analizar la p´ erdida de precisi´ on que exhiben los m´ etodos como efecto que tiene el tama˜ no muestral, as´ı como el ruido y la no-linealidad presentes en las observaciones. De igual forma, se desea analizar el desempe˜ no de las t´ ecnicas Bayesianas en comparaci´ on con una t´ ecnica no-Bayesiana que ha ganado popularidad en los ´ ultimos a˜ nos, el bootstrap, una herramienta es- tad´ıstica que produce conjuntos de observaciones adicionales a partir de la muestra original con el fin de estimar la distribuci´ on muestral de un estad´ıstico. En este ap´ endice se presenta una descripci´ on de la implementaci´ on computacional de los m´ etodos de soluci´ on propuestos. Esta descripci´ on consiste en las ecuaciones necesa- rias para implementar cada m´ etodo, as´ı como una explicaci´ on de los pasos a seguir. Se presentan tambi´ en a lo largo del ap´ endice algunas observaciones y sugerencias para evitar problemas en la implementaci´ on (especialmente por precisi´ on num´ erica). En la Secci´ on A.1 se describe la implementaci´ on de las redes neuronales, mientras que en la Secci´ on A.2 se detallan los procesos Gaussianos. Finalmente, en la Secci´ on A.3 se describe el modelo de mezclas infinitas de Gaussianas.
Mostrar más

153 Lee mas

El aprendizaje basado en problemas: aplicación y resultados en la asignatura de Métodos de Decisión

El aprendizaje basado en problemas: aplicación y resultados en la asignatura de Métodos de Decisión

de las enseñanzas universitarias a las directrices del EEES impone la transformación de los sistemas educativos basados en la actividad docente del profesor, en un sistema basado en el aprendizaje del alumno. Este nuevo paradigma educativo exige a los docentes un esfuerzo innovador, adoptando metodologías de enseñanza-aprendizaje que confieran al alumno un papel activo, al tiempo que permiten el desarrollo de capacidades y habilidades decisivas para el ejercicio profesional. En este contexto, se decidió incorporar como metodología didáctica, sin renunciar a la lección magistral, el Aprendizaje Basado en Problemas (ABP), un método de aprendizaje cooperativo, basado en el principio de usar problemas como punto de partida para la adquisición e integración de nuevos conocimientos. El objetivo fundamental de esta experiencia es mejorar la motivación de nuestros estudiantes, estimulando una participación activa en el proceso de enseñanza-aprendizaje de distintos criterios y métodos de decisión. Para discutir su aplicabilidad y conveniencia se ha puesto en marcha, en el curso 2007-08, una experiencia piloto que implica tan sólo a uno de los 11 grupos en los que se imparte la asignatura Métodos de Decisión.
Mostrar más

12 Lee mas

Show all 10000 documents...