Professional Documents
Culture Documents
TESIS
Para optar el ttulo profesional de Ingeniero de Sistemas
AUTOR
Kield Benites Quispe
ASESOR
Carlos Cnepa Prez
Lima - Per
2015
LIMA PER
Abril, 2015
ii
iii
iv
AGRADECIMIENTOS
En primer lugar a Dios, quien gua a las personas y conoce la razn de todo
cuanto existe.
A mi profesor Carlos Cnepa, por su gran apoyo en este largo proceso de
asesora brindada para que la presente investigacin cumpla con los objetivos
fijados y sirva de ayuda al segmento estudiantil de la sociedad peruana.
A mi familia por ser quienes que con su ejemplo forjaron en mi persona deseos
de superacin constante tanto profesional como personal.
A todas aquellas personas que confiaron en mi capacidad de superacin, y que
a su vez contribuyeron tanto directa o indirectamente a que contine y culmine
con xito la presente investigacin que aqu les doy a conocer.
NDICE
Lista de Figuras
xi
Lista de Tablas
xv
vi
vii
viii
ix
REFERENCIAS BIBLIOGRAFICAS..171
Revistas...171
Manuales.171
Libros......171
Tesis........171
Direcciones Web.172
ANEXO A Consultorio Psicolgico de San Marcos..177
ANEXO B Entorno MATLAB...180
ANEXO C Entrenamiento y Validacin de la RNA..185
Lista de figuras
xi
xii
xiii
xiv
Lista de tablas
xv
Tabla 5.13 Ficha de respuestas del diagnstico tomado en el consultorio para la prueba
del sistema
Tabla 5.14 Cuadro comparativo de resultados obtenidos del sistema web frente al
Consultorio Psicolgico
xvi
RESUMEN
xvii
ABSTRACT
xviii
Tesis Ingenieril
UNMSM
En el presente captulo se dar a conocer los antecedentes del problema que tratamos,
el problema principal y los secundarios as como los objetivos que perseguimos y por
ltimo la delimitacin y justificacin de la investigacin.
Tesis Ingenieril
UNMSM
La etapa del ser humano cuando atraviesa la adolescencia, es una etapa donde la
persona presenta muchas interrogantes sobre que debe seguir profesionalmente, la
personalidad, las aptitudes e intereses del adolescente ser una fuente de informacin
muy relevante para definir con que perfil profesional se identifica, y que no caiga en
el caso de muchos profesionales que no les nace desempear una vez concluida su
carrera, ya sea por propia e incorrecta decisin de ellos o tambin el incentivo de los
padres por inculcarles una vocacin que ellos hubieran deseado seguir cuando eran
jvenes, y lo quieren ver reflejado en sus hijos.
El verdadero xito profesional para una persona puede definirse como aquel estado
en donde uno siente plenitud con lo que hace da a da ya sea de manera dependiente,
independiente o interdependiente, adems de sentirse recompensando por el trabajo
que realiza.
1.2.2
Problemas Secundarios
1.3
Tesis Ingenieril
1.3.2
UNMSM
Objetivos Secundarios
1.4
Tesis Ingenieril
UNMSM
Otra razn que justifica el presente trabajo, son las estadsticas alarmantes en
cuanto a estudiantes de pre-grado que se retiran de su escuela acadmico
profesional y de aquellas personas de post-grado que culminaron sus estudios
universitarios y no alcanzaron ese nivel de satisfaccin que ellos esperaban una
vez concluida la carrera profesional, y en el peor de los casos no ejercen su
profesin.
A continuacin se puede apreciar algunos datos reales sobre la desercin
universitaria en el mundo.
Cuadro resumen sobre la desercin universitaria en el mundo
Italia
55%
Estados Unidos
35%
Nueva Zelanda
45%
Mxico
38%
OCDE
30%
Alemania
22%
Dinamarca
15%
Japn
10%
Tabla 1.1 (Torres la Jara, 08)
Esto revela una alta desercin universitaria en todo el mundo, por ejemplo
segn la tabla mostrada, de cada 100 universitarios estadounidenses, 35 de ellos
da un paso al costado optando por otras carreras u ocupaciones, en Japn solo un
universitario de cada 10 deserta en su eleccin. Estas cifras de desercin
mostradas, se debe a factores econmicos y tambin muchas veces a una pobre
orientacin vocacional que el estudiante ha recibido si es que lo ha recibido,
debido a que no existen buenos test de orientacin vocacional orientados a la
realidad del pas, o que el acceso no est al alcance de todos.
La OCDE (Organismo para la Cooperacin y Desarrollo Econmico), el cual
lo conforman 30 estados titulares y 10 pases adherentes con economas
emergentes, y segn la Tabla 1.1 de cada 10 universitarios, 3 no continan su
carrera universitaria.
La desercin en el PERU es parecida a la de Uruguay en casi el 20% y segn
el estudio de LOGROS[Logros], un portal peruano que se dedica a la
4
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
Estos datos son los resultados de una encuesta realizada a los alumnos. Otra
encuesta realizada a los docentes seala que el 73% de ellos opina que el motivo
econmico es la principal causa de desercin estudiantil y un 40% seala que se
debe a la mala eleccin de la carrera [Ceroni, 09].
La tasa de desercin en el Per, tambin muestra diferencias entre los
programas acadmicos que cursan: los programas agrupados en el rea de
Ciencias de la Salud reportan los porcentajes ms bajos, con una tasa de
desercin de 35.3%, seguida de las reas de Agronoma, Veterinaria y afines
(37.5%) y de Matemticas y Ciencias Naturales (39.2%). Las reas que registran
los ndices ms altos de desercin son Ingeniera, Arquitectura y Urbanismo
(con una tasa de 49.9%), seguida de Economa, Administracin y Contadura
(47.1%). Otras reas, como Ciencias de la Educacin (41.4%), Ciencias
Sociales, Derecho y Ciencias Polticas (40.9%) y Bellas Artes reportan tasa de
desercin intermedias (40.4%) [Lpez, 10].
Mencionado las alarmantes cifras de desercin no solo en el Per sino en el
mundo entero, hace indispensable que se desarrollen buenos test vocacionales
que estn al alcance de todos los alumnos y cuando menciono buenos test me
refiero a desarrollar sistemas inteligentes que apoyen al proceso de eleccin
vocacional del alumno interesado.
1.4.3 Delimitacin
1.4.3.1 Delimitacin Espacial
La presente investigacin cubre geogrficamente todas las regiones del Per
en cuyos lugares existen centros universitarios donde muchos alumnos que estn
en carrera universitaria, afrontan la dura realidad de que estn destinando
esfuerzos en algo que no les nace realizar, as como tambin centros de
educacin secundaria donde los escolares necesitan un mejor autoconocimiento.
1.4.3.2 Delimitacin Social
La delimitacin social de la investigacin centra su estudio en beneficio de
todos los estudiantes de educacin secundaria, pre-universitarios, y
universitarios que necesiten saber cules son las aptitudes y habilidades que
poseen cada uno de ellos para inclinarse a un determinado perfil profesional; en
donde cualquiera de ellos sin distincin alguna puede rendir esta prueba de
orientacin vocacional va web, desde cualquier establecimiento que cuente con
servicio de internet.
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
elegida; pero luego sufren una profunda decepcin al descubrir que lo
que estudian no les agrada o no es lo que esperaban. Se hizo una
investigacin sobre la desercin de los estudiantes de la Universidad
Peruana Unin, sede Tarapoto, y este fue el resultado :
Tesis Ingenieril
UNMSM
que no lo logran, cuyas bases fundamentales fueron los procesos
psicolgicos relacionados con la integracin acadmica y social.
b) Econmicos: Segn investigaciones en este enfoque se puede
distinguir dos modelos:
b.1) Costo/Beneficio: Consiste en que cuando los beneficios
sociales y econmicos asociados a los estudiantes son percibidos
como mayores que los derivados por actividades alternas; por lo
cual el estudiante opta por permanecer en la universidad.
b.2) Focalizacin de Subsidio: Consiste en la entrega de
subsidios que constituyen una forma de influir sobre la desercin.
Estos subsidios estn dirigidos a los grupos que presentan
limitaciones reales para costear sus estudios.
c) Sociolgicos: Los modelos sociolgicos enfatizan respecto a la
influencia en la desercin de factores externos al individuo,
adicionales a los psicolgicos, se bas en el modelo suicida
indicando que la desercin es el resultado de la falta de
integracin de los estudiantes en el entorno de la educacin
superior; aduce que el medio familiar es una de las muchas
fuentes que expone a los estudiantes a influencias, expectativas y
demandas, las que a su vez afectan su nivel de integracin social
en la universidad; la congruencia normativa acta directamente
sobre el rendimiento acadmico, el desarrollo intelectual, el
apoyo de pares y la integracin social.
d) Organizacionales: Este modelo de anlisis sostiene que la
desercin depende de las cualidades de la organizacin en la
integracin social y ms, particularmente, en el abandono de los
estudiantes que ingresan a ella. Este enfoque est altamente
relacionado a la calidad de la docencia y de la experiencia de
aprender en forma activa por parte de los estudiantes en las aulas,
las cuales afectan positivamente la integracin social del
estudiante.
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
12
Tesis Ingenieril
UNMSM
13
Tesis Ingenieril
UNMSM
14
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
contexto familiar y ambiente que sirve de base a sus habilidades e
intereses.
Tesis Ingenieril
UNMSM
4) Desempeo de roles: La experiencia en el desarrollo de diferentes
tareas y actividades, permite el ir clarificando la eleccin
vocacional.
5) Evaluacin: Esta conduce a analizar el grado de congruencia entre
el concepto de s mismo y los requisitos y exigencias de la
profesin elegida.
17
Tesis Ingenieril
UNMSM
2.7.2
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
20
Tesis Ingenieril
UNMSM
Sper estimo que las categoras de intereses de Kuder, tienen una realidad tanto
profesional como psicomtrica, lo que significa que permite diferenciar grupos
profesionales entre s de la misma manera que los test de aptitudes. Asimismo,
Castao y Cols (1972), establecieron que el Kuder-C proporciona gran
especificidad en la diferenciacin de perfiles de diferentes grupos universitarios.
El registro de preferencias vocacionales, Foma C vocacional de Kuder (1986),
Kuder-C es uno de los inventarios de intereses ms populares entre los asesores, y
cuenta con una larga trayectoria en el campo del asesoramiento vocacional. Bien
acogido en el mbito escolar espaol, es una de las mejores medidas existentes de
los intereses de los adolescentes; aunque no est exento de crticas, entre las de su
largo tiempo de aplicacin, y sobre todo de correccin.
2.8
INTERNET y WEB
En este apartado explicaremos los conceptos bsicos de lo que es la Internet y
las diferencias que existe con lo que se conoce como Web. No vamos ahondar
en cuanto a su historia o detalles muy especficos, pero si en las definiciones
necesarias para entender de qu se tratan estos temas, ya que la solucin al
problema principal de la presente investigacin, est muy asociada con ellos.
2.8.1 Qu es la Internet? [CAD1]
Antes de dar una definicin de lo que es Internet, centrmonos en definir que
es una red de computadoras. Es un conjunto de mquinas que se comunican a
travs de algn medio (cable coaxial, fibra ptica, radiofrecuencia, lneas
telefnicas, etc.) con el objeto de compartir recursos y son conocidas como
LAN (Local Area NetWork) porque conecta los ordenadores dentro de un rea
relativamente pequea y determinada. Estas redes LAN son agrupadas y
forman una red conocida como WAN (Wide Area NetWork) o Red de Area
Ancha, estas cubren una gran rea geogrfica como pases o hasta continentes;
con lo mencionado podemos definir ahora que la Internet es la comunicacin
entre s de redes WAN y que prcticamente la conectividad se extendera a
todo el planeta en su conjunto.
De esta manera, Internet sirve de enlace entre redes ms pequeas y permite
ampliar su cobertura al hacerlas parte de una red global. Esta red global tiene
la caracterstica de que utiliza un lenguaje comn que garantiza la
intercomunicacin de los diferentes participantes; este lenguaje comn o
protocolo (un protocolo es el lenguaje que utilizan las computadoras al
compartir recursos) se conoce como TCP/IP.
21
Tesis Ingenieril
UNMSM
X. X. X. X
Fig. 2.2 (Elaboracin propia)
Donde:
X: Es un numero decimal que se encuentra entre 0 y 255 inclusive, pero existen
restricciones en cuanto a la validez de una direccin IP segn la zona geogrfica,
la cual no entraremos en detalle de cules son las Ips vlidas.
Mencionamos que cada ordenador conectado a internet posee una direccin IP
nica, sin embargo a los seres humanos nos es ms cmodo utilizar alguna forma
fcil de recordar como son los nombres, de esta manera se establecieron los
Nombres de Dominio; pero la red debe poder traducir estos nombres de
dominio en la direccin IP correspondiente, entonces dio lugar a los Servidores
de nombres de dominio o DNS, que son un tipo de servidores especiales.
Sin la ayuda de los servidores de dominio, los usuarios de internet tendran que
acceder a cada servicio web utilizando la direccin IP del servidor solicitado
(Ejemplo: 192.61.75.39 en lugar de www.arte.com).
Existe un proveedor de servicios de internet o ISP, el cual es una empresa que
cuenta con una conexin directa a internet, a la cual nosotros solicitamos su
servicio, pero nuestra conexin ya no sera directa sino remota. La comunicacin
22
Tesis Ingenieril
UNMSM
2.8.3 Qu es la Web?
La Web es un trmino que fue simplificado para referirse especficamente a la
World Wide Web, otros de sus sinnimos son: WWW, W3, telaraa mundial;
nosotros vamos a utilizar simplemente la Web en adelante.
La Web es la parte grfica y de interaccin para el usuario de Internet
implementada a travs de estructuras y protocolos estndares para archivos de
texto, grficos, sonido, etc. [Caplicado]
La Web es un servicio disponible en internet, aparte de esta existen otros
servicios como el acceso remoto a otras mquinas (SSH y telnet), transferencia
de archivos (FTP), correo electrnico (SMTP), conversaciones en lnea (IMSN
Messenger, ICQ, YIM, AOL, jabber), transmisin de archivos (P2P, P2M,
descarga directa), etc. [CAD2]
23
Tesis Ingenieril
UNMSM
24
Tesis Ingenieril
UNMSM
25
Tesis Ingenieril
2.10
UNMSM
1936 Alan Turing. Fue el primero en estudiar el cerebro como una forma
de ver el mundo de la computacin. Sin embargo, los primeros tericos que
concibieron los fundamentos de la computacin neuronal fueron Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes, en
1943, lanzaron una teora acerca de la forma de trabajar de las neuronas (Un
Clculo Lgico de la Inminente Idea de la Actividad Nerviosa Boletn de
Matemtica Biofsica). Ellos modelaron una red neuronal simple mediante
circuitos elctricos.
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
28
Tesis Ingenieril
UNMSM
Representacin de una red neuronal con 3 capas
Donde:
a) Capa de Entrada: Se encuentran las neuronas que van a tener la funcin de
receptoras de estmulos (informacin), provenientes del medio exterior, estas
entradas pueden ser de dos tipos, binarias o reales.
b) Capa Oculta : Estas neuronas artificiales pueden ser parte de la red neuronal
como tambin se pueden obviar dependiendo de la topologa seleccionada, se
encargan de hacer el procesamiento de informacin y cuyas salidas sern
enviadas a una siguiente capa que puede ser la capa de salida o tambin a otra
capa oculta.
c) Capa de Salida: Las neuronas que se encuentran en esta capa sern las
encargadas de dar el resultado de todo el procesamiento de la red, es decir
cul ha sido su comportamiento final frente a los estmulos iniciales recibidos.
Un sumador, que se encarga de sumar todas las entradas multiplicadas por las
respectivas sinapsis.
29
Tesis Ingenieril
UNMSM
Un umbral exterior, que determina el umbral por encima del cual la neurona se
activa.
Tesis Ingenieril
UNMSM
Funcin Escaln
Funcin Lineal: Se usa en diversos tipos de redes, con frecuencia en la capa de salida.
El rango de salida puede contener cualquier nmero real, matemticamente se expresa
como:
Funcin Lineal
31
Tesis Ingenieril
UNMSM
Funcin Sigmoidal: Con esta funcin, para la mayora de los valores de entrada, el
valor dado es cercano a uno de los valores asintticos. Esto hace que en la mayora de
los casos, el valor de salida est comprendido en la zona alta o baja del sigmoide.
Funcin Sigmoidal
32
Tesis Ingenieril
UNMSM
33
Tesis Ingenieril
UNMSM
34
Tesis Ingenieril
UNMSM
Para este captulo debemos dar a conocer cul o cules han sido los casos de xito de
la tecnologa a emplear, en este caso las Redes Neuronales Artificiales, orientados al
campo Psicolgico. Otros detalles del captulo 3, son los benchmarking tanto para las
tecnologas candidatas para resolver el problema, las herramientas de orientacin
vocacional con los cuales compite el CASM 83, y por ltimo las diferentes arquitecturas
de redes neuronales artificiales que existe y que le hacen competencia al Perceptron
Multicapa con Backpropagation.
35
Tesis Ingenieril
UNMSM
Proveer informacin para ser usada como una gua vocacional acerca de las
ocupaciones para las cuales un individuo ms se adapta.
Con el objeto de detectar los posibles rasgos de personalidad que pueden atentar
contra el bienestar de la sociedad y ms aun con las personas que rodean al
individuo, y sobretodo estar en capacidad de dar un tratamiento personalizado a los
estudiantes de una institucin de enseanza universitaria, se presenta el uso de una
Red Neuronal para clasificar perfiles psicolgicos especficos dentro de una
poblacin cuyos perfiles se han obtenido mediante la aplicacin del test 16PF del
Dr. R.B Cattell a un grupo estudiantil.
Para tal fin se entrena a la red neuronal presentndole los perfiles especficos que
se quieren identificar, para que luego esta red neuronal pueda reconocer mediante
su algoritmo de aprendizaje.
Se debe aclarar que el conocimiento adquirido por la red tiene caractersticas de
generalizacin, de tal manera que los perfiles que ella encuentra no son
necesariamente iguales a los aprendidos, sino que pueden guardar cierto grado de
similitud, siendo esta caracterstica una de las ms importantes en cuanto a la
utilidad de la Red [Gordillo].
3.1.1.2 Redes Neuronales aplicadas al campo de las conductas adictivas
[Montao, 02]
El Centro de Investigacin Semeion de las Ciencias de la Comunicacin
(Roma, Italia), fundado y dirigido por Massimo Buscema ha sido pionero en la
aplicacin de las RNA para la prevencin y prediccin de la conducta adictiva
(Buscema, 1999, 2000). Los investigadores de dicho centro han construido
diferentes modelos de red con el fin de predecir el consumo de drogas sobre todo
herona(Buscema, 1995; Buscema, Intraligi y Bricolo, 1998; Maurelli y Di
36
Tesis Ingenieril
UNMSM
Giulio, 1998), extraer las caractersticas prototpicas del sujeto adicto (Buscema,
Intraligi y Bricolo, 1988) y as, determinar el tratamiento ms adecuado en funcin
de esas caractersticas (Massini Shabtay, 1998).
El estudio se llev con el objetivo de llevar a cabo la aplicacin prctica de una
red neuronal para la prediccin del consumo de xtasis (MDMA) en la poblacin de
jvenes europeos e identificar los factores de riesgo asociados al consumo de esta
sustancia mediante la aplicacin de un anlisis de sensibilidad. Ms concretamente,
se trata de construir un modelo de red neuronal que a partir de las respuestas de los
sujetos a un cuestionario, sea capaz de discriminar entre quin consume xtasis y
quin no. Este trabajo que lleva por ttulo Prediccin del consumo de xtasis a
partir de redes neuronales artificiales (Palmer, Montao y Calafat, 2000).
37
Tesis Ingenieril
UNMSM
EEG (Grzinger, Kgel y Rschke, 1998). Uno de los autores ms prolficos en esta
ltima lnea de investigacin es Klppel (1994) [Montao, 02].
Tesis Ingenieril
UNMSM
La escritura en AIML es extensa y esto hace que sea costoso por el tiempo que
implique la programacin a menos que se reduzca la capacidad del chatbot para
desarrollar diferentes temticas.
El modelo del agente inteligente se integra de dos partes bsicas: un motor de
inferencia o instrucciones y la base de conocimientos o informacin, pero este modelo
se asemeja mucho a lo que es conocido como sistemas expertos el cual tambin contiene
un motor de inferencia lo cual no caracteriza al 100% que sea un sistema inteligente.
3.1.2.2 Sistema experto para el apoyo del proceso de Orientacin Vocacional para
las carreras de ingeniera de la Universidad Catlica del Per. [Castillo, 09]
El desarrollo de un sistema experto para el apoyo del proceso de orientacin
vocacional para las carreras de ingeniera de la Universidad Catlica del Per realizado
por la alumna Tapia Castillo Jackeline en abril del ao 2009 y que le permiti obtener el
ttulo de ingeniero informtico; se nutre de una las tcnicas usadas en la inteligencia
artificial, el cual presenta una base de conocimiento y un motor de inferencia necesario
para que pueda realizar el razonamiento debido y dar una solucin rpida.
El anlisis de las teoras necesarias que incorpora en su tesis las cuales son influyentes
en la eleccin de carrera del ser humano son tres: Teora de Anne Roe sobre la
influencia de la personalidad en la eleccin de carrera, teora tipolgica de las carreras
39
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
pueden percibir todas las cosas que un experto humano puede apreciar de una
situacin especfica.
3.1.2.5 Otros estudios relacionados a Test Vocacionales va web
En la nube de internet se encuentran varios test vocacionales en los cuales una
persona interesada en saber su vocacin, primero, antes de comenzar a responder las
preguntas que se le muestren deber registrarse, introduciendo una serie de datos
personales bsicos convenientes segn el administrador del servicio web, existen
algunos test vocacionales que son muy tajantes en cuanto a la posibilidad de
responder que se le da al interesado (Si o No), esto no es muy conveniente puesto
que una persona y los intereses o habilidades que posee son graduales (a veces, casi
siempre). Otros autores si dan la posibilidad de responder en esa forma con 5
alternativas que van desde Nunca hasta Siempre, lo cual si es adecuado; determinar
el tipo de preguntas y cuantas son necesarias para evaluar a un alumno no es tarea
fcil, en cuanto se ha buscado, pudimos encontrar que algunos test vocacionales
cuentan con un total 42 preguntas separadas en bloques que definen algn tipo de
inclinacin hacia alguna vocacin, pero el mtodo o tcnica empleado es
desconocido, de cmo logran dar su respuesta final al evaluado, algunos test
vocacionales incluso no solo responden cul es tu afinidad con alguna profesin sino
tambin muestran una lista de universidades en los cuales podras estudiar, lo cual
puede estar sujeto a una forma de marketing para que el alumno se matricule en
alguna de ellas; la forma de evaluar los test vocacionales siguen en investigaciones
para poder aproximar a una persona con un determinado perfil profesional o tcnico.
41
Tesis Ingenieril
UNMSM
42
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
Red neuronal multicapa No recurrente
Tesis Ingenieril
UNMSM
45
Tesis Ingenieril
UNMSM
Campo de Aplicacin:
Problemas de Clasificacin
Ventajas: Alto poder de clasificacin para clases que son linealmente separables.
Desventajas: Solo se puede aplicar cuando los patrones a clasificar son linealmente
separables.
Arquitectura:
Arquitectura del Perceptron Multicapa
46
Tesis Ingenieril
UNMSM
Campo de Aplicacin:
El control de procesos
Pronstico de series temporales
Problemas de Clasificacin
Aproximacin de funciones
Segmentacin de imgenes y seales
Filtrado de seales
Eliminacin de ruido
Ventajas:
Aproximador universal de funciones para cualquier funcin continua
Elevada capacidad de generalizacin y robustez
Estructura conexionista con ms aplicaciones practicas
Desventajas:
El largo proceso de aprendizaje para problemas complejos
47
Tesis Ingenieril
UNMSM
Arquitectura:
A la izquierda red Adaline y a la derecha red Madaline
Campo de Aplicacin:
Filtros adaptativos de eliminacin de ruido
Reconocimiento de patrones de seales
Sistemas de Comunicacin y Control
Ventajas: Su gran sencillez y homogeneidad les hacen fcilmente realizables en
tecnologa VLSI (Very Large Scale Integration, integracin en escala muy grande.).
Desventajas: Slo son capaces de resolver problemas de clasificacin linealmente
separables y llevar a cabo transformaciones lineales.
48
Tesis Ingenieril
UNMSM
Arquitectura:
Perceptrn Multicapa Recurrente
Campo de Aplicacin:
Control de procesos
Filtrado de seales
Prediccin de secuencias
49
Tesis Ingenieril
UNMSM
Campo de Aplicacin:
Aproximacin funcional
Reconocimiento de patrones
50
Tesis Ingenieril
UNMSM
3.4 BENCHMARKING
En esta seccin haremos mencin de los cuadros comparativos y su posterior
anlisis, entre las tcnicas con las que se puede resolver el problema principal, y
tambin se har un anlisis comparativos de los tipos de redes neuronales artificiales
existentes segn la topologa que describimos anteriormente; todo ello nos permitir
elegir con sabidura que tcnica y que tipo de red debemos usar para resolver de la
manera ms ptima el problema que estamos abordando.
51
Tesis Ingenieril
UNMSM
Cuadro resumen de los principales test aplicados
Test
CASM - 83
Test IPP
CIPSA
Criterio
mbito de
Aplicacin
Escolares de
educacin
secundaria y
universitarios
del primer
ao
Procedencia
Lima Per
Homogeneidad
Si, se puede
aplicar tanto
a varones
como a
mujeres
Duracin
40 minutos
(Aprox.)
Escolares de
educacin
secundaria y
jvenes
universitarios
del primer
ao, la edad
debe
comprender
entre 13-18
aos
MadridEspaa
Inventario de
Intereses de
Thurstone
Estudiantes de
13/14 aos en
adelante
Estudiantes de
14 aos en
adelante
SalamancaEspaa
Chicago
EE.UU
Si, se puede
aplicar tanto a
varones como
a mujeres
Si, se puede
aplicar tanto a
varones como
a mujeres
Si, se puede
aplicar tanto a
varones como
a mujeres
Variable de
30 a 60
minutos
(Aprox.)
30 minutos
(Aprox.)
20 minutos
(Aprox.)
Objetivo
Explorar los
intereses de
los jvenes y
sus
expectativas
en el mbito
profesional y
ocupacional
La
apreciacin
de los
intereses de
los sujetos en
17 campos
profesionales.
Conocer la
estructura
diferencial y
jerarquizacin
de los
intereses
profesionales
del sujeto
Edicin y Ao
de publicacin
2da Edicin
1995
1ra Edicin
1985
52
Kuder - C
Adolescentes
y Adultos
con nivel
cultural
equivalente a
3 de ESO
(Educacin
Secundaria
Obligatoria)
Columbus
EE.UU
Si, se puede
aplicar tanto
a varones
como a
mujeres
De 60 a 90
minutos
(Aprox.)
Evaluacin del
inters del
individuo por
reas
Evaluacin
suponiendo
de los
igualdad de
intereses de
salario y de
los sujetos en
prestigio social
10 campos de
en las
preferencia
profesiones o
actividades
representativas
de cada rea
1ra Edicin
1986
1ra Edicin
1986
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
por necesidad de nuevas carreras las cuales han podido quitar en parte la materia de
estudio original, en ese sentido el test evaluador deber adecuarse al ms reciente
contexto dentro de nuestro territorio. Aqu se le asigna una ponderacin de 0.1
Relacin de valores y puntajes por criterio
Para el criterio mbito de aplicacin, se otorgara un puntaje de 3 al valor edad
apropiada, porque el test evaluador ha sido elaborado en un rango de edad donde la
persona es un poco ms responsable en decisiones de este tipo; y un puntaje de 1 al
valor edad inapropiada porque abarca en algunos casos una edad un poco inmadura.
Para el criterio Procedencia, se otorga un puntaje de 5 al valor nacional porque
refleja que el test ha sido elaborado con base a la realidad de jvenes de nuestro pas,
acorde a las habilidades para las actividades que se desarrollan dentro del territorio
nacional; y un puntaje de 2 al valor extranjero porque a pesar de que no se tomado en
cuenta la realidad de un territorio, existen ciertas ocupaciones en comn dentro de todo
el mundo.
Para el criterio Independencia de Gnero, se otorga un puntaje de 3 al valor
imparcial, porque ambos gneros pueden presentar aptitudes y habilidades en casi o
igual medida; y un puntaje de 1 al valor parcial porque algunos test no han eliminado
por completo el sesgo entre gneros.
Para el criterio Cumplimiento del Objetivo, se otorga un puntaje de 5 al valor alta,
porque la aplicacin del test ha resultado altamente satisfactorio donde fue aplicado; un
puntaje de 2 al valor media porque su aplicacin no resulto como se esperaba sin
menospreciar la ayuda que brindo; y un puntaje de 1 al valor baja porque su
aplicacin solo tuvo cierto xito en el territorio aplicado sin poder generalizarse en otros
horizontes.
Para el criterio Edicin y Ao de Publicacin, se otorga un puntaje de 3 al valor
reciente, porque la ltima revisin del test no supera los 10 aos de antigedad y
refleja la situacin del medio acorde a los ltimos avances; y un puntaje de 1 al valor
antiguo porque la antigedad de la revisin del test ha sido hace ms de 10 aos atrs,
pero por esta razn no quiere decir que ya no ayude en la orientacin vocacional.
Para el criterio Duracin, se otorga un puntaje de 2 al valor corta, porque es tiempo
considerable pero necesario para que no se pierda el inters en continuar; y un puntaje
de 1 al valor larga porque el tiempo de resolucin ya se torna un poco aburrido para el
evaluado de esas edades.
54
Tesis Ingenieril
UNMSM
En la siguiente tabla 3.6, se muestra los criterios mencionados con sus respectivos
valores y puntajes por cada criterio.
mbito de
Aplicacin
Valor
Edad apropiada
Edad inapropiada
Procedencia
Nacional
Extranjero
Puntaje
Se aplica exclusivamente en
una edad donde el alumno se
encuentra culminando la
secundaria o est en el primer
ao de carrera universitaria
Su mbito de aplicacin
abarca una edad no muy
conveniente
Parcial
Alta
Independencia
Imparcial
de genero
Cumplimiento
del Objetivo
Descripcin
Media
Baja
Tesis Ingenieril
UNMSM
Reciente
Edicin y Ao
de Publicacin
Antiguo
Corta
Duracin
Larga
En la tabla anterior 3.2 establecimos los criterios con sus diferentes puntajes, ahora
procedemos a realizar el cuadro comparativo entre los diferentes test evaluadores:
56
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
Componentes de un sistema experto
3.4.2.1.2
Una red neuronal puede verse como una mquina diseada originalmente para
modelar la forma en que el sistema nervioso de un ser vivo realiza una determinada
tarea. Para lograr este objetivo, una red neuronal est formada por un conjunto de
unidades de procesamiento interconectados llamadas neuronas [Prez, 02].
Entre las caractersticas que presenta esta tecnologa tenemos:
a) Aprendizaje adaptativo
b) Auto-Organizacin
c) Tolerancia a fallos
d) Fcil insercin dentro de la tecnologa existente
e) Generalizacin
f) Abstraccin
Para una mayor informacin vase el apartado 2.8.6 Caractersticas y Ventajas
58
Tesis Ingenieril
UNMSM
Representacin de las redes neuronales
3.4.2.1.3
Agentes Inteligentes
59
Tesis Ingenieril
UNMSM
Visin esquemtica de un agente inteligente
60
Tesis Ingenieril
UNMSM
61
Tesis Ingenieril
UNMSM
Criterio
Autonoma
Valor
Complejidad de la
Solucin
Tipo de Modelo
Puntaje
Alta
Media
La tecnologa posee
medianamente en control de sus
acciones
Parcial
Bueno
Excelente
La tecnologa empleada es
considerada netamente inteligente
Baja
Regular
Alta
Baja
Inteligencia
Descripcin
Lineal
No lineal
62
Tesis Ingenieril
UNMSM
63
Tesis Ingenieril
UNMSM
64
Tesis Ingenieril
UNMSM
65
Tesis Ingenieril
UNMSM
Complejidad
Valor
Descripcin
Puntaje
Baja
La red s reconoce
considerablemente nuevos
patrones en la etapa de validacin
El tiempo de procesamiento es
considerablemente alto
Media
Alta
Asociacin y
Clasificacin
Alta
Parcial
Baja
Reconocimiento de
Patrones
Regular
Alta
Tiempo de
Aprendizaje
regular
Alto
Robustez
Mayor
Menor
66
Tesis Ingenieril
UNMSM
Este ltimo cuadro comparativo expuesta en la tabla 3.7, nos muestra las diferencias
entre arquitecturas de redes neuronales que disponemos para resolver el problema, en la
tabla 3.11 se observa en cuanto a la complejidad, que la red que menos complejidad
posee es la del Perceptron Unicapa y la ms alta es la del Perceptron Multicapa
Recurrente; en cuanto a la capacidad de asociacin, podemos optar con el Perceptron
Multicapa Recurrente, el Perceptron Unicapa o el Perceptron Multicapa no Recurrente,
estas redes poseen una alta capacidad de asociacin y clasificacin segn los
experimentos que se realizaron.
En conclusin segn la tabla 3.7 mostrada, podemos decir que la mejor opcin a elegir
en cuanto a la arquitectura de la red neuronal, es el Perceptron Multicapa con
backpropagation.
67
Tesis Ingenieril
UNMSM
Tesis Ingenieril
UNMSM
69
Tesis Ingenieril
UNMSM
P001
P002
Tipo de
Respuesta
Codificacin
ayb
ninguno
Descripcin
70
Tesis Ingenieril
UNMSM
P003
P004
P005
P006
P007
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
71
Tesis Ingenieril
UNMSM
P008
P009
P010
P011
P012
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
72
Tesis Ingenieril
P013
P014
P015
P016
P017
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
73
Tesis Ingenieril
UNMSM
P018
P019
P020
P021
P022
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
74
Tesis Ingenieril
UNMSM
de una empresa; o
b) Prefiere el estudio de las formas ms
efectivas para la enseanza de los jvenes
y nios.
P023
P024
P025
P026
P027
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
Tesis Ingenieril
UNMSM
P028
P029
P030
P031
P032
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
Tesis Ingenieril
UNMSM
pblica; o
b) Prefiere experimentar con plantas para
obtener una nueva especie.
P033
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
P034
P035
P036
77
Tesis Ingenieril
P037
P038
P039
P040
P041
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
78
Tesis Ingenieril
UNMSM
P042
P043
P044
P045
P046
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
79
Tesis Ingenieril
UNMSM
la demanda; o
b) Prefiere redactar el tema para un
anuncio publicitario.
P047
P048
P049
P050
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
80
Tesis Ingenieril
P051
P052
P053
P054
P055
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
81
Tesis Ingenieril
P056
P057
P058
P059
P060
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
82
Tesis Ingenieril
UNMSM
P061
P062
P063
P064
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
83
Tesis Ingenieril
P065
P066
P067
P068
P069
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
84
Tesis Ingenieril
P070
P071
P072
P073
P074
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
85
Tesis Ingenieril
P075
P076
P077
P078
P079
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
a) Le interesa trabajar en la
implementacin de bibliotecas distritales; o
ayb
ninguno
86
Tesis Ingenieril
UNMSM
P080
P081
P082
P083
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
87
Tesis Ingenieril
P084
P085
P086
P087
P088
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
88
Tesis Ingenieril
P089
P090
P091
P092
P093
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
89
Tesis Ingenieril
P094
P095
P096
P097
P098
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
90
Tesis Ingenieril
P099
P100
P101
P102
P103
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
91
Tesis Ingenieril
P104
P105
P106
P107
P108
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
92
Tesis Ingenieril
P109
P110
P111
P112
P113
UNMSM
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
93
Tesis Ingenieril
P114
P115
P116
P117
P118
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
94
Tesis Ingenieril
UNMSM
formas literarias.
P119
P120
P121
P122
P123
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
95
Tesis Ingenieril
UNMSM
P124
P125
P126
P127
P128
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
96
Tesis Ingenieril
UNMSM
P129
P130
P131
P132
P133
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
97
Tesis Ingenieril
UNMSM
P134
P135
P136
P137
ayb
ninguno
ayb
ninguno
ayb
ninguno
a) Le interesa trabajar en la
implementacin de bibliotecas distritales; o
ayb
ninguno
ayb
98
Tesis Ingenieril
P138
P139
P140
P141
P142
UNMSM
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
ayb
ninguno
99
Tesis Ingenieril
UNMSM
P143
ayb
ninguno
ayb
Ninguno
100
Tesis Ingenieril
UNMSM
Estas dos escalas son propias del CASM-83, son necesarias para determinar la
veracidad y consistencia de la prueba, si al evaluar las dos escalas no se encuentra
ningn inconveniente, recin se procede a evaluar las respuestas concernientes a los
grupos ocupacionales que define el CASM-83, es aqu donde el psiclogo manifiesta
segn las mtricas del test, las posibles carreras profesionales y/o tcnicas que podra
seguir el alumno evaluado; pero la afinidad no ser igual por todas las ocupaciones, sino
algunas sern en mayor medida que otras. El resultado final ser ofrecer al evaluado la
afinidad (medido con un puntaje definido en el Casm-83) que presenta con cada una de
los 11 grupos ocupacionales, justamente estos 11 grupos sern las nicas variables de
salida ms relevantes de la red. Veamos un ejemplo de como se muestra esta afinidad:
Como se puede observar en la tabla 4.2, cada alumno presenta una cierta afinidad con
cada grupo o rea ocupacional (medido con un puntaje que vara de 0 hasta 22), adems
que dependiendo del puntaje se puede catalogar el nivel de inters hacia el rea
destacada.
Distribucin Ocupacional por reas
AREA
Ciencias Fsicas
Matemticas
(CCFM)
OCUPACIONES
Ingenieras: Civil, de Sistemas, Industrial, Electrnica, de Minas,
Sanitaria, Textil, Qumica, Mecnica (elctrica de fluidos),
Telecomunicaciones, de Sonido, Metalrgica.
Arquitectura, Matemtica, Fsica, Meteorologa, Geogrfica,
Geolgica.
Carreras Tcnicas: Tcnico en Tv y radio, electricista, Mecnico
automotriz y de banco, mecnica de aviones. Construccin civil,
Impresor, linotipista, topografa, computacin e informtica,
Ensamblaje, mantenimiento y reparacin de computadoras,
101
Tesis Ingenieril
UNMSM
Operador tcnico de radio y Tv.
Ciencias Sociales
(CCSS)
Ciencias Naturales
(CCNA)
Ciencias de la
Comunicacin
(CCCO)
Artes (ARTE)
Carreras Tcnicas: Artesanas en cermica, cueros, tejidos, etc.
Tcnico en dibujo lineal, Publicitario, Ebanistera. Decoracin de
interiores. Conservacin y restauracin. Fotografa Profesional.
Bibliotecologa.
Burocracia
(BURO)
Ciencias
Econmicas
Polticas (CCEP)
Institutos Armados
(IIAA)
102
Tesis Ingenieril
Finanzas (FINA)
UNMSM
Contabilidad de finanzas, banca y seguros. Administrador de
empresas (hotelera, turismo, de comercio nacional e
internacional), Marketing.
Carreras Tcnicas: Auxiliar de contabilidad, Bancario, Secretario
contable, vendedor, Visitador mdico, Marketing.
Escritor, Lingista, Traductor e Intrprete de Idiomas.
Lingstica (LING)
Carreras Tcnicas: Secretario Bilinge.
Jurisprudencia
(JURI)
103
Tesis Ingenieril
UNMSM
104
Tesis Ingenieril
UNMSM
105
Tesis Ingenieril
UNMSM
DN i = DSN i / DMSN
Tabla 4.4 (Elaboracin propia)
Dnde:
DN i: Dato Normalizado i (i=1, 2, 3, 4 en caso de entrada) o
DN i: Dato Normalizado i (i=1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11 en caso de salida)
DSN i: Dato sin Normalizar i
DMSN: Dato Mximo sin Normalizar
106
Tesis Ingenieril
UNMSM
Saturacin de las neuronas, valores altos de los pesos pueden provocar una
saturacin en la neuronas. Solucin inmediata; considerar unos valores iniciales
de los pesos pequeos.
107
Tesis Ingenieril
UNMSM
108
Tesis Ingenieril
UNMSM
A continuacin se observa en las tablas 5.1 y 5.2, los valores iniciales de los
diagnsticos recogidos del consultorio, estas tablas representan una vista previa de la
normalizacin de la data que ser usada tanto para el entrenamiento como la validacin
de la red, veamos:
109
Tesis Ingenieril
UNMSM
Data
Recolectada
Data para el
Entrenamiento
Data
Generada
Data para la
Validacin
110
Tesis Ingenieril
UNMSM
Data
Recolectada
Data para el
Entrenamiento
Data
Generada
Data para la
Validacin
111
Tesis Ingenieril
UNMSM
Data
Recolectada
Data
Generada
112
Tesis Ingenieril
UNMSM
Data
Recolectada
Data
Generada
113
Tesis Ingenieril
UNMSM
114
Tesis Ingenieril
UNMSM
DN i = DSN i / DMSN
Dnde:
DN i: Dato Normalizado i (i=1, 2, 3, 4 en caso de entrada) o
DN i: Dato Normalizado i (i=1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11 en caso de salida)
DSN i: Dato sin Normalizar i (0 <= DSN i <= 22)
DMSN: Dato Mximo sin Normalizar (DMSN = 22)
Ejemplo:
Normalizamos el dato de salida de la columna que corresponde al grupo ocupacional
JURI, dentro del grupo de data para la validacin en la tabla anterior 5.6.
DMSN = 22, representa el mximo valor del target posible definido en el CASM 83, el
cual indica un inters vocacional mximo para ese grupo ocupacional.
DSN 11 = 13, representa un posible valor de una variable de salida segn el CASM 83.
DN 11 = 13 / 22 = 0.5909
Este resultado nos indica que el target de la variable de salida que corresponde al
grupo ocupacional JURI es igual a 0.5909. De manera similar se procede a normalizar
todos los targets correspondientes a cada diagnstico, como veremos a continuacin en
las tablas 5.7, 5.8 que corresponden al entrenamiento y las tablas 5.9, 5.10
correspondientes de la fase de validacin.
115
Tesis Ingenieril
UNMSM
116
Tesis Ingenieril
UNMSM
117
Tesis Ingenieril
UNMSM
118
Tesis Ingenieril
UNMSM
119
Tesis Ingenieril
UNMSM
Creacin de la red neuronal Orientador_1
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
-
UNMSM
121
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
123
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
125
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
127
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
128
Tesis Ingenieril
UNMSM
129
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
130
Tesis Ingenieril
UNMSM
131
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
133
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
135
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
137
Tesis Ingenieril
UNMSM
Mtodo: El mtodo empleado, para la creacin de la red est basado en el NNTool, que
es un entorno de pruebas y ejecucin, exclusivas para el tratamiento de redes neuronales
artificiales, dentro del MATLAB. Gracias a ella, es posible crear y configurar diferentes
tipos de redes, de una manera prctica.
Descripcin: La red neuronal creada muestra la siguiente configuracin:
-
Tesis Ingenieril
UNMSM
139
Tesis Ingenieril
UNMSM
CAPA
SALIDA
CAPA OCULTA
EPOCAS
ECM
11
15
0.116
11
13
0.107
11
21
0.111
40
40
11
15
0.018
60
60
60
11
19
0.105
143
30
30
30
11
14
0.107
Orientador_7
143
70
70
70
11
17
0.120
Orientador_8
143
50
50
50
50
11
13
0.128
Orientador_9
143
70
70
70
70
11
14
0.0849
Orientador_10
143
80
80
80
80
11
15
0.0840
Orientador_1
143
50
50
Orientador_2
143
60
60
Orientador_3
143
70
70
Orientador_4
143
40
Orientador_5
143
Orientador_6
140
Tesis Ingenieril
UNMSM
141
Tesis Ingenieril
UNMSM
Donde:
Ec = Error cuadrtico medio
N = Numero de muestras en la validacin
= Salida objetivo de la red para la muestra i
(w) = Salida estimada de la red para la muestra i.
142
Tesis Ingenieril
UNMSM
Si analizamos las variables involucradas en la frmula, podemos notar que para la fase
de validacin, el nmero de muestras presentadas es igual a 15, segn la tabla 5.1; la
salida objetivo es la que se presenta en la tabla 5.2 y la salida estimada es la que
proporciona la red luego de la validacin. A continuacin los resultados obtenidos luego
de validar las redes Orientador_4, Orientador_9 y Orientador_10, indican que la red
Orientador_4, es la que posee un menor ECM, por ende ser la red seleccionada para
ser integrada junto con el sistema web de Orientacin Vocacional.
Red Neuronal
Numero de Capas
Ocultas
Numero de
Neuronas por
Capa oculta
ECM
Orientador_4
40
0.03077184
Orientador_9
70
0.03887127
Orientador_10
80
0.04788314
143
Tesis Ingenieril
UNMSM
144
Tesis Ingenieril
UNMSM
145
Tesis Ingenieril
UNMSM
5 mdulos principales
que presenta el
sistema web
146
Tesis Ingenieril
UNMSM
147
Tesis Ingenieril
UNMSM
El usuario ha iniciado
su sesin en el sistema
Pregunta N 3 del
Cuestionario Casm-83
Submdulo: Ir al Test
Casm-83 en donde se
va a mostrar el
cuestionario
148
Tesis Ingenieril
UNMSM
En la Fig. 5.36 se puede observar que el evaluado se encuentra en la ltima pgina del
cuestionario y que deber responder hasta la pregunta 143, antes de presionar el botn
Procesar Test, si es que realmente desea un resultado apropiado para l.
149
Tesis Ingenieril
UNMSM
En la figura 5.37 se puede observar que el alumno Kield Benites Quispe, obtuvo
como resultado luego de responder verazmente todo el cuestionario, un puntaje mayor
en el rea ocupacional CCFM, por ende un grado de afinidad mayor con dicha rea. Lo
ms adecuado es que en un futuro elija una de las carreras que engloba dicha rea.
150
Tesis Ingenieril
UNMSM
151
Tesis Ingenieril
UNMSM
Tesis Ingenieril
5.6.2.5.2
UNMSM
Mdulo Grupos Ocupacionales
153
Tesis Ingenieril
5.6.2.5.3
UNMSM
Mdulo Gua de Carreras
154
Tesis Ingenieril
UNMSM
155
Tesis Ingenieril
UNMSM
156
Tesis Ingenieril
UNMSM
157
Tesis Ingenieril
UNMSM
158
Tesis Ingenieril
UNMSM
5.6.2.5.3.5 Arte
159
Tesis Ingenieril
UNMSM
5.6.2.5.3.6 Burocracia
160
Tesis Ingenieril
UNMSM
161
Tesis Ingenieril
UNMSM
Como se puede apreciar en la Fig. 5.49, se especifica el detalle del grupo ocupacional
que consta de las carreras profesionales y tcnicas de ese grupo. El CASM 83 sugiere
que el evaluado que haya alcanzado un mayor puntaje en este grupo, es decir una mayor
afinidad, siga alguna de las ocupaciones mostradas.
162
Tesis Ingenieril
UNMSM
5.6.2.5.3.9 Finanzas
Como se puede apreciar en la Fig. 5.50, se especifica el detalle del grupo ocupacional
que consta de las carreras profesionales y tcnicas de ese grupo. El CASM 83 sugiere
que el evaluado que haya alcanzado un mayor puntaje en este grupo, es decir una mayor
afinidad, siga alguna de las carreras mostradas.
163
Tesis Ingenieril
UNMSM
5.6.2.5.3.10 Lingstica
164
Tesis Ingenieril
UNMSM
5.6.2.5.3.11 Jurisprudencia
Como se puede apreciar en la Fig. 5.52, se especifica el detalle del grupo ocupacional
que consta de las carreras profesionales y tcnicas de ese grupo. El CASM 83 sugiere
que el evaluado que haya alcanzado un mayor puntaje en este grupo, es decir una mayor
afinidad, siga alguna de las carreras mostradas.
165
Tesis Ingenieril
UNMSM
11.b
12.b
13.a
14.b
15.a
16.b
17.b
18.a
19.b
20.a
21.b
22.a
23.a
24.b
25.b
26.b
27.b
28.a
29.a
30.b
31.b
32.b
33.a
34.b
35.a
36.a
37.b
38.b
39.a
40.b
41.a
42.a
43.b
44.a
45.b
46.b
47.b
48.a
49.a
50.b
51.b
52.a
53.b
54.b
55.b
56.b
57.a
58.b
59.b
60.b
61.b
62.b
63.b
64.b
65.a
66.a
67.a
68.b
69.a
70.a
71.a
72.a
73.a
74.a
75.b
76.b
77.b
78.b
79.b
80.b
81.b
82.a
83.b
84.b
85.b
86.a
87.a
88.b
89.b
90.b
91.b
92.a
93.a
94.a
95.a
96.b
97.b
98.a
99.a
100.a
101.a
102.b
103.a
104.b
105.a
106.a
107.b
108.b
109.b
110.a
111.a
112.b
113.a
114.a
115.b
116.b
117.a
118.b
119.b
120.a
121.b
122.b
123.b
124.b
125.b
126.a
127.b
128.b
129.b
130.b
131.a
132.b
133.a
134.a
135.b
136.a
137.b
138.b
139.a
140.a
141.a
142.b
143.a
166
Tesis Ingenieril
5.6.3.2
UNMSM
El rendimiento del sistema web, se observar una vez que se procese todas las
respuestas que el alumno marc (variables de entrada del sistema y la red
neuronal). Entonces tomando como entrada las respuestas que se observa en la
tabla 5.13, se procedi a realizar la prueba en el sistema y se obtuvo el siguiente
contraste entre los resultados del sistema con los del caso tomado para la prueba
del rendimiento:
CCFM
10
8.4354
1.5645
15.64
CCSS
14
16.2542
2.2542
16.10
CCNN
11
13.0849
2.0849
18.95
CCCO
10
6.0434
3.9566
39.56
ARTE
13
13.6404
0.6404
4.92
BURO
10.7573
3.7573
53.67
CCEP
14
12.7175
1.2824
9.16
IIAA
11.8131
4.8131
68.75
FINA
15
12.5655
2.4344
16.22
10
LING
15
15.2222
0.2222
1.48
11
JURI
5.9270
0.9270
18.54
Total
Promedio
11
11.4964
0.4964
4.51
167
Tesis Ingenieril
UNMSM
En la tabla 5.14, se aprecia los resultados respectivos tanto del consultorio psicolgico
como del sistema web luego de hacer la prueba del rendimiento con el caso tomado en
el apartado 5.6.3.1. En la ltima fila de la tabla se visualiza claramente que el error
porcentual promedio del sistema es: 4.51%, pero el ECM (Error Cuadrtico Medio) del
caso evaluado es: 0.009%, el cual se encuentra por debajo del ECM calculado en la
fase de validacin (ver apartado 5.5.1); debemos resaltar que el ECM obtenido en la
fase de validacin es mnimo puesto que este error es un promedio de todos los errores
por cada grupo ocupacional, como se pudo observar en la tabla 5.14.
Cabe mencionar que el sistema responde con una particularidad positiva que se ha
podido observar, y es que en los grupos ocupacionales donde el evaluado obtuvo mayor
afinidad, el sistema posee un error mnimo frente a los dems grupos con los cuales el
evaluado no presenta una afinidad significativa.
Entonces podemos decir que los resultados obtenidos en el sistema web de orientacin
vocacional presenta un grado de fiabilidad respetable. Por consiguiente concluimos
afirmando que:
0.009%
<=
0.030%
Error de la Red en la
Fase de Validacin
168
Tesis Ingenieril
UNMSM
6.1 Conclusiones
El aporte de las investigaciones en cuanto a las redes neuronales ha contribuido
en gran medida a dar solucin a muchos problemas de la sociedad como es el
caso de la orientacin vocacional; puesto que en algunos casos, presentan una
gran complejidad.
Optar por usar una tecnologa distinta como son las redes neuronales, no debe
ser una moda, sino como una gran alternativa de salida cuando los modelos
matemticos o estadsticos no son suficientemente exactos para resolver un
determinado problema.
Este tipo de problema abordado en la presente investigacin ha sido
seleccionado por la gran desercin que existe en el pas, dentro de las
universidades tanto estatales como particulares, y merece ser atendido de
manera ms objetiva en base a rigurosas investigaciones que se hacen dentro de
la sociedad en la que vivimos los peruanos.
Este trabajo ayudar a muchos jvenes del pas a poder conocerse mejor y as
poder dirigir su vida tanto en el aspecto profesional como vocacional en un
sentido ms profundo, ya que adoptarn una forma de vida de acuerdo a la
eleccin que tomarn para su futuro.
Se ha dado solucin al problema del proceso de orientacin vocacional, con
una eficacia respetable por los cimientos en los que se sostiene, como fue la
herramienta de orientacin vocacional llamada CASM-83, elaborada dentro de
la Facultad de Psicologa de la UNMSM en 1983 y cuyas revisiones peridicas
lo mantienen an vigente para su aplicacin en diversos centros psicolgicos
del pas como por ejemplo el Consultorio Psicolgico de San Marcos.
169
Tesis Ingenieril
UNMSM
170
Referencias Bibliogrficas
Revistas
[Julin+00]: V. Julin, V. Botti (2000). Agentes Inteligentes: El siguiente paso
de la inteligencia artificial. NOVATICA, pg. 95-99
Manuales
[De la Cruz, 95]: Victoria de la Cruz Lpez (1995). Intereses y Preferencias
Profesionales, 2da Edicin Revisada, Madrid Espaa.
[Vicua, 03]: Luis Alberto Vicua Peri (2003). Inventario de Intereses
Profesionales y Ocupacionales CASM 83, 3ra Edicin Revisada, Lima Per.
Libros
[Castillo, 91]: Abanto Castillo Zoila (1991). Orientacin Vocacional y Test
Psicotcnicos, Lima-Per. San Judas Tadeo
[Isasi+03]: Pedro Isasi Viuela, Ins M. Galvn Len (2003). Redes de
Neuronas Artificiales: Un enfoque prctico, Madrid-Espaa. Lavel S.A
[Aguirre, 96]: ngel Aguirre Baztn (1996). Psicologa de la Adolescencia,
Barcelona-Espaa. Boixareu Universitaria
[Colina+, 98]: Colina, E. y Rivas, F (1998). Introduccin a la Inteligencia
Artificial, Universidad de los Andes, Mrida-Venezuela
[Serrano+09,10]: Antonio J. Serrano, Emilio Soria, Jos D. Martin (2009-2010).
Libro de Redes Neuronales Artificiales, Valencia-Espaa
Tesis
[Sobrevilla, 10]: Marco Sobrevilla Cabezudo (2010), Implementacin de Redes
Neuronales para mejorar el Anlisis de la Probabilidad de Ocurrencia de
Sismos en el Per, UNMSM, Tesis de Pregrado, Lima-Per.
[Gil+10]: Eybi Gil Zavaleta y Edith Rodrguez Collas (2010), Sistema de
pronstico de la demanda de productos farmacuticos basado en redes
neuronales, UNMSM, Tesis de Pregrado, Lima-Per.
[Montao, 02]: Juan Jos Montao Moreno (2002), Redes Neuronales
Artificiales aplicadas al anlisis de Datos, Universidad de Islas Baleares, Tesis
Doctoral, Mallorca-Espaa
171
[Castillo, 09]: Tapia Castillo Jackeline (2009), Sistema Experto para el apoyo
del proceso de Orientacin Vocacional para las carreras de Ingeniera en la
Pontificia Universidad Catlica del Per, Universidad Catlica del Per, Tesis
de Pregrado, Lima-Per
[Cepero, 09]: Antonia Beatriz Cepero Gonzales (2009), Las preferencias
profesionales y vocacionales del alumnado de educacin secundaria y
formacin profesional especfica, Universidad de Granada, Granada-Espaa
[Muoz, 96]: Antonio Muoz San Roque (1996), Aplicacin de tcnicas de
redes neuronales artificiales al diagnstico de
procesos Industriales,
Universidad Pontificia Comillas, Tesis Doctoral, Madrid-Espaa.
[Ruiz, 09]: Ana Claudia Ruiz Tadeo (2009), Sistema Inteligente Conversacional
para la Orientacin Vocacional, Universidad de Colima, Tesis para obtener el
Grado de Maestra en Computacin, Colima-Mxico.
[Martn, 96]: Mara Jos Martn Moreno (1996), Sistema Experto de Orientacin
Vocacional - Profesional, Universidad Complutense de Madrid, Tesis Doctoral,
Madrid-Espaa.
[Prez, 02]: Juan Antonio Prez Ortiz (2002), Modelos Predictivos basados en
Redes Neuronales Recurrentes de tiempo discreto, Universidad de Alicante,
Tesis Doctoral, Alicante-Espaa.
[Montero, 05]: Pamela Montero Ruiz (2005), Actualizacin del Inventario de
Intereses Vocacionales de G.F. Kuder Forma C, en estudiantes de II ao de
enseanza media Cientfico Humanista del Gran Santiago, Universidad de
Chile, Tesis de Pregrado, Santiago-Chile
Direcciones Web
[Torres la Jara, 08]: Miguel Torres la Jara, Situacin acerca de la Desercin
Universitaria
en
el
Mundo,
http://campus.ulasamericas.edu.pe/upea/images/stories/archivos/revista_online/
DESERCION.pdf , (12 de abril de 2012)
[Logros]:
Logros,
Desercin
universitaria
preocupa
al
mundo,
http://www.logrosperu.com/noticias/actualidad/810-desercion-universitariapreocupa-al-mundo.html , (12 de abril de 2012)
[Ceroni,
09]:
Mario
Ceroni,
Desercin
universitaria,
http://profesorceroni.blogspot.com/2009/07/desercion-universitaria.html , (12 de
abril del 2012)
[Lpez, 10]: Tatiana Lpez, ndice de Desercin Universitaria,
http://www.buenastareas.com/ensayos/Indice-De-Deserci%C3%B3nUniversitaria/118127.html , (15 de abril del 2012)
172
[Galilea,
01]:
Virginia
Galilea,
Orientacin
Vocacional,
http://www.sie.es/crl/archivo_pdf/ORIENTACION%20VOCACIONAL.pdf
,
(19 de abril del 2012)
[Bartone, 09]: Rosalba Bartone Di Muro, Madurez Vocacional y Perfil de
valores
humanos
en
estudiantes
universitarios,
http://www.saber.ula.ve/bitstream/123456789/31486/4/articulo8.pdf, (13 de
setiembre del 2012)
[Caldern, 02]: Jos Luis Caldern O., Redes Neuronales Artificiales: teora y
Diseo,
http://www.slideshare.net/mentelibre/redes-neuronales-artificialeshistoria-y-teoria , (26 de abril del 2012)
[Softwarelibre,
03]:
Softwarelibre,
Tipos
de
redes
neuronales,
http://softwarelibre.unsa.edu.ar/docs/descarga/2003/curso/htmls/redes_neuronale
s/c81.html , (5 de mayo del 2012)
[Broomhead+88]: D.S. Broomhead y D. Lowe, Redes de Base Radial,
http://www.disa.bi.ehu.es/spanish/profesores-etsibilbo/~jtpcaaxi/PFC/wwwANN/arquitectura.htm, (12 de setiembre del 2012)
[Matich, 01]: Damin Jorge Matich, Redes Neuronales: Conceptos bsicos y
Aplicaciones,
http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/mo
nograias/matich-redesneuronales.pdf, (12 de setiembre del 2012)
[Gordillo]: Adolfo A. Gordillo R., Clasificacin de Perfiles Psicolgicos,
http://www.google.com.pe/url?sa=t&rct=j&q=aplicaciones%20de%20redes%20
neuronales%20en%20la%20psicologia&source=web&cd=2&ved=0CE8QFjAB
&url=http%3A%2F%2Fespejos.unesco.org.uy%2Fsimplac2002%2FPonencias%
2FInforedu%2FIE004%2520Adolfo%2520A.%2520Gordillo.doc&ei=c_j1Tn_E4Ot6AH214TVBg&usg=AFQjCNHO9DMU0vz24RsupE7CbN5-iV6SQ&cad=rja, (8 de mayo del 2012)
[Durn, 08]: Lorena del Carmen Durn Cortez, Orientacin Vocacional,
http://orientacionvocacionalccsa.blogspot.com/2008/11/historia-de-loorientacin-vocacional.html, (9 de abril del 2012)
[Lujn+]: Luis Lujn Lpez, Eduardo Rodrguez Maysundo, Heider Y. Snchez
Enrquez, Sistema Experto test de orientacin vocacional para la computacin,
http://seccperu.org/files/Informe%20Test%20Vocacional_0.pdf, (15 de mayo
del 2012)
[Padern]:
Xavier
Padern,
Redes
Neuronales,
http://wwwgth.die.upm.es/~macias/doc/pubs/aircenter99/www.aircenter.net/mc31039903.ht
ml, (01 de setiembre del 2012)
173
[RedesDeNeuronas]:
RedesDeNeuronas,
Perceptrn
Multicapa,
http://www.redesdeneuronas.com/perceptron-multicapa.html, (01 de setiembre
del 2012)
[Basogain]: Xavier Basogain Olabe, Redes Neuronales Artificiales y sus
Aplicaciones,
http://ocw.ehu.es/ensenanzas-tecnicas/redes-neuronalesartificiales-y-sus-aplicaciones/contenidos/pdf/libro-del-curso, (13 de abril del
2012)
[Morn, 07]: Federico Morn, Redes Neuronales Artificiales: Introduccin y
Aplicaciones
en
Bioinformtica,
http://www.pdg.cnb.uam.es/cursos/Complutense/Complutense2007/pages/ANN
_introduccion_FMoran.pdf, (12 de setiembre del 2012)
[Serrano, 00]: Carlos Serrano, Las Redes Neuronales Artificiales,
http://ciberconta.unizar.es/leccion/redes/, (18 de setiembre del 2012)
[Ruiz del Solar]: Javier Ruiz del Solar, Procesamiento Avanzado de Imgenes,
http://robotica.li2.uchile.cl/el710/Clase17.pdf, (18 de setiembre del 2012)
[Serrano+,09]: Antonio J. Serrano, Emilio Soria, Jos D. Martin, Redes
Neuronales
Artificiales,
http://ocw.uv.es/ingenieria-y-arquitectura/12/libro_ocw_libro_de_redes.pdf, (05 de Noviembre del 2012)
[Larraaga+]: Pedro Larraaga, Iaki Inza, Albedmalik Moujahid, Redes
Neuronales,
http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t8neuronales.pdf, (12 de
Noviembre del 2012)
[CAD1]:
Computacin
Aplicada
al
Desarrollo,
La
Internet,
http://www.cad.com.mx/que_es_internet.htm, (16 de Diciembre del 2012)
[Eddiewebdotorg, 12]: Informtica, Modelo Cliente Servidor,
http://eddiewebdotorg.wordpress.com/2012/09/19/modelo-cliente-servidor/, (17
de diciembre del 2012)
[CAD2]: Computacin Aplicada al Desarrollo, Historia de la Internet,
http://www.cad.com.mx/historia_del_internet.htm, (17 de Diciembre del 2012)
[Caplicado]: Computo Aplicado, Qu es la WWW y que puede hacer para m?,
http://www.caplicado.net/empresa/www.htm, (17 de Diciembre del 2012)
[Martin]:
Ral
Martn
Martn,
Funcionamiento
de
Internet,
http://www.uclm.es/profesorado/raulmmartin/Internet.MetododeNegocios/Tema
2.pdf, (17 de Diciembre del 2012)
174
175
Anexos
176
Anexo A
Consultorio Psicolgico de San
Marcos
177
MISIN
Somos una institucin que se encarga de la atencin de nios, adultos y ancianos,
varones y mujeres; en cuanto al diagnstico y tratamiento psicolgico en los mbitos
clnico y educativo, coadyuvando al mejoramiento de la salud mental de la poblacin de
Lima.
VISIN
Ser una unidad docente asistencial, acadmicamente solvente, profesionalmente
eficiente, socialmente responsable y econmicamente rentable.
OBJETIVOS:
Fuente: http://psicologia.unmsm.edu.pe/index.php/mision-vision-y-objetivos
178
179
Anexo B
Entorno MATLAB
180
Newff
Crea una red tipo Backpropagation, requiere que le sean especificados los
siguientes parmetros:
newff: (PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
PR: Rx2 Matriz de valores mximos y mnimos de cada uno de las R neuronas de
entrada.
Si: Nmero de neuronas para cada una de las capas.
TFi: Funcin de transferencia a utilizar en cada una de las capas, por defecto
utiliza tansig.
BTF: Algoritmo de entrenamiento a utilizar, por defecto utiliza trainlm
BLF: Funcin de actualizacin de los pesos, por defecto utiliza learngdm.
PF: Funcin para evaluar el desempeo de la red, por defecto utiliza mse.
Traingd
Algoritmo de pasos descendientes, que actualiza pesos y ganancias varindolos
en la direccin negativa del gradiente de la funcin del error. Es un algoritmo de
aprendizaje muy lento, que requiere de la siguiente sintaxis:
net.trainParam.epochs: Mximo nmero de iteraciones para obtener
convergencia.
net.trainParam.goal: Error mximo permitido
net.trainParam.lr: Tasa de aprendizaje
net.trainParam.max_fail: Mximo nmero de fallas
net.trainParam.min_grad: Mnimo rendimiento del gradiente
net.trainParam.show: Intervalo de visualizacin de los resultados
net.trainParam.time: Mximo tiempo de entrenamiento en segundos
181
Traingdm
Equivale al algoritmo tradicional, ms un nuevo coeficiente de momentum, que
interviene en el proceso de actualizacin de los pesos. Si el error de la red en una
iteracin dada, excede el valor del error en la iteracin anterior, en un valor mayor
al definido por un radio de cobertura dado el que puede determinarse por medio
de la funcin max_perf_inc y que est tpicamente alrededor de 1.04, los nuevos
pesos y ganancias son descartados y el coeficiente de momentum mc es fijado en
cero.
La sintaxis de este algoritmo es igual a la utilizada para el algoritmo
traingd, ms un nuevo comando que permite modificar el coeficiente de
momentum
net.trainParam.mc: Valor fijado para el coeficiente de momentum
Traingda
Algoritmo de Gradiente Descendiente, que emplea una tasa de aprendizaje
adaptiva durante el proceso de entrenamiento. La tasa de aprendizaje vara entre
0.01 y 1, una tasa de aprendizaje muy pequea torna lento el aprendizaje, pero si
se incrementa demasiado el aprendizaje puede tornarse inestable y crear
divergencia, por esto la funcin traingda vara la tasa de aprendizaje tratando de
sacar provecho de la inclinacin del gradiente en cada momento; su gran
desventaja es que los pesos iniciales varan muy poco as se encuentren distantes
de los valores de convergencia. La sintaxis de este el algoritmo es la siguiente:
La sintaxis de este algoritmo se resume a continuacin:
net.trainParam.epochs: Mximo nmero de iteraciones para obtener
convergencia
net.trainParam.goal: Error mximo permitido
net.trainParam.lr: Tasa de aprendizaje inicial
net.trainParam.lr_inc: Porcentaje que incrementa la tasa de aprendizaje
cuando el error disminuye
net.trainParam.lr_dec: Porcentaje en que es decrementada la tasa de
aprendizaje cuando el error aumenta
net.trainParam.max_fail: Mximo nmero de fallas
net.trainParam.max_perf_inc: Mximo incremento del rendimiento
net.trainParam.min_grad: Mnimo rendimiento del gradiente
net.trainParam.show: Los resultados son visualizados siempre que
transcurre este nmero de iteraciones.
net.trainParam.time: Mximo tiempo de entrenamiento en segundos
182
Trainrp
Las redes multicapa, utilizan tpicamente una funcin de transferencia sigmoidal
(ver captulo 1) en las capas ocultas, estas funciones comprimen un infinito rango
de entradas, dentro de un finito rango de salidas, adems se caracterizan porque su
pendiente tendera cada vez ms a cero, mientras ms grande sea la entrada que se
le presenta a la red, esto ocasiona problemas cuando se usa un algoritmo de
entrenamiento de pasos descendientes, porque el gradiente empieza a tomar
valores muy pequeos y por lo tanto no habrn cambios representativos en los
pesos y las ganancias, as se encuentren bastante lejos de sus valores ptimos. El
propsito del algoritmo Backpropagation Resileint (RPROP) es eliminar este
efecto en la magnitud de las derivadas parciales. En este algoritmo solamente el
signo de la derivada es utilizado para determinar la direccin de actualizacin de
los parmetros, la magnitud de las derivadas no tiene efecto en la actualizacin.
La magnitud en el cambio de cada peso es determinada por separado; el valor del
incremento de pesos y ganancias es determinado por el factor delt_inc, as la
derivada parcial del error con respecto a los pesos tenga el mismo signo durante
dos iteraciones sucesivas; el valor de decremento est determinado por el factor
delt_dec as la derivada del error con respecto a los pesos haya cambiado de signo
con respecto a la anterior iteracin; si la derivada es cero, entonces el valor
actualizado se conserva; si los pesos continan cambiando en la misma direccin
durante varias iteraciones, la magnitud de cambios de los pesos se decrementa.
La sintaxis de este algoritmo se resume a continuacin:
Trainbfg
Algoritmo alternativo que emplea la tcnica del gradiente conjugado, su
expresin matemtica se deriva del mtodo de Newton, con la ventaja de que no
es necesario computar las segundas derivadas; este algoritmo requiere ms
capacidad de almacenamiento que el algoritmo tradicional, pero generalmente
converge en menos iteraciones. Requiere de un clculo aproximado de la matriz
Hessiana, la cual es de dimensiones n2 x n2, donde n la cantidad de pesos y
ganancias de la red; para redes que involucren una gran cantidad de parmetros es
preferible emplear el algoritmo trainrp.
183
Trainlm
Algoritmo que actualiza los pesos y las ganancias de acuerdo a la optimizacin
de Levenberg-Marquardt. Es el algoritmo ms rpido para redes Backpropagation;
tiene la desventaja de requerir de un set de entrenamiento lo ms estndar posible,
pues de otra forma solo aproximar correctamente valores que se encuentren
dentro de los patrones de aprendizaje. Si el set de entrenamiento es muy extenso,
se recomienda reducir el Jacobiano.
La sintaxis de este algoritmo es la siguiente:
Fuente: http://cybertesis.unmsm.edu.pe/handle/cybertesis/3222
184
Anexo C
Entrenamiento y Validacin de la
RNA
185
Archivos .M
186
187
188
189