Entrenamiento de Redes Neuronales Artificiales con Aprendizaje No Supervisado en el control de calidad del análisis

Mario Gerardo Moreno Pallares; Rodrigo Rigoberto Moreno Pallares; Edwin Fernando Mejia Peñafiel

Ayuda

Entrenamiento de Redes Neuronales Artificiales con Aprendizaje No Supervisado en el control de calidad del análisis

Moreno-Pallares, Mario Gerardo ^[1] ; Moreno-Pallares, Rodrigo Rigoberto ^[1] ; Mejia-Peñafiel, Edwin Fernando ^[2]
1. [1] Escuela Politécnica Nacional
  
  Escuela Politécnica Nacional
  
  Quito, Ecuador
2. [2] Escuela Superior Politécnica de Chimborazo (ESPOCH), Riobamba,
Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 7, Nº. 5 (MAYO 2022), 2022, pág. 95
Idioma: español
Títulos paralelos:
- Training of Artificial Neural Networks with Unsupervised Learning in the quality control of the analysis
Enlaces
- Texto completo (pdf)
Resumen
- español
  El aprendizaje automático tiene el propósito de entrenar a la computadora para realizar tareas rápidamente con grandes volúmenes de datos. En el presente trabajo se realiza la agrupación de un conjunto de datos de un vino el cual tiene tres características, una vez normalizado en formato .csv se realiza una comparación de un conjunto de datos utilizando redes neuronales artificiales, tales como: Red Neuronal de Auto- Mapa organizativo y una Red Neuronal Competitiva, combinando las propiedades de cada Red, se obtiene que para este caso particular es mejor que una Red Neuronal de Mapa Autoorganizador para la clasificación y que es la que menor porcentaje de error. Tenga en cuenta que se tomaron sus propiedades que han sido por defecto en el entorno MATLAB.
- English
  The machine learning has the purpose of training the computer to perform tasks quickly with large volumes of data. In the present work, the grouping of a data set of a wine which has three characteristics is performed, once normalized in a .csv format, a comparison of a data set is made using artificial neural networks, such as: Neural Network of Self-organizing Map and a Competitive Neural Network, combining the properties of each Network, it is obtained that for this particular case it is better than a Neuronal Network of Autoorganizing Map for the classification and that is the one that lower percentage of error. note that their properties were taken that have been by default in the MATLAB environment.