Clasificación de Patrones Temporales en Sistemas Dinámicos mediante Boosting y Alineamiento Dinámico Temporal

CARLOS J. ALONSO GONZÁLEZ, QUILANISAAC MORO SANCHO, JUAN J. RODRÍGUEZ

Resumen


SE PROPONE UN MÉTODO NOVEDOSO DE APRENDIZAJE DE PATRONES TEMPORALES, DE INTERÉS EN LA DIAGNOSIS DE PROCESOS CONTINUOS EN SISTEMAS DINÁMICOS. EL MÉTODO SE BASA EN EL USO DE LA FAMILIA DE ALGORITMOS DE APRENDIZAJE DENOMINADOS BOSTON, QUE SE CARACTERIZAN POR MEJORAR EL RESULTADO DE OTRO MÉTODO DEA APRENDIZAJE, LLAMADO BASE, MEDIANTE LA APLICACIÓN REPETIDA DEL MISMO. EL MÉTODO BASE DE APRENDIZAJE UTILIZADO GENERA CLASIFICADORES MUY SIMPLES, AUNQUE ESPECÍFICOS PARA EL PROBLEMA CONSIDERADO. DICHOS CLASIFICADORES SE LIMITAN A CALCULAR LA DISTANCIA DEL EJEMPLO EN CUESTIÓN CON OTRO DE REFERENCIA, Y COMPARAR DICHO VALOR CON UN UMBRAL. LA DISTANCIA UTILIZADA ES LA PROPORCIONADA POR EL MÉTODO DE ALINEAMIENTO DINÁMICO TEMPORAL. LA VALIDACIÓN EXPERIMENTAL DEL MÉTODO SE REALIZA MEDIANTE UN CONJUNTO DE DATOS PROPUESTOS COMO BANCO DE PRUEBAS DE SISTEMAS DE APRENDIZAJE SOBRE PATRONES TEMPORALES EN SISTEMAS DINÁMICOS . LOS RESULTADOS EXPERIMENTALES COMPARADOS CON LOS CONOCIDOS PARA ESTE CONJUNTO DE DATOS, SON SATISFACTORIOS.

Palabras clave


CLASIFICACION DE SERIES TEMPORALES; BOOSTING; REDES DE FUNCIONES DE BASE RADIAL; APRENDIZAJE AUTOMATICO

Texto completo:

pdf


Contacto:
Oscar Zavala