Examinando por Materia "redes neuronales"

Mostrando 1 - 4 de 4
  • Miniatura
    PublicaciónSólo datos
    APLICACIÓN DE MAPAS DE KOHONEN PARA LA PRIORIZACIÓN DE ZONAS DE MERCADO: UNA APROXIMACIÓN PRÁCTICA
    (Fondo Editorial EIA - Universidad EIA, 2016-10-25) Gámez Albán, Harol Mauricio; Orejuela Cabrera, Juan Pablo; Salas Achipiz, Oscar Ancizar; Bravo Bastidas, Juan José
    Este artículo presenta una metodología basada en redes neuronales para realizar priorización de zonas de mercado visto desde un enfoque empresarial. En esta investigación se intenta dar solución a la incertidumbre que existe en la mayoría de las organizaciones en torno a la prioridad que tiene una zona de mercado; para ello se hace una búsqueda de los criterios más relevantes que las empresas tienen en cuenta para asignar prioridades a ciertos clientes. La problemática se sustenta por la ausencia de herramientas que permitan determinar la prioridad de una zona de mercado y la falta de una interrelación efectiva entre los departamentos de logística y mercadeo. Para ello se ocupan los mapas de Kohonen que son un tipo de red neuronal que facilitan el agrupamiento de clientes y permiten determinar cuáles de ellos son los que impactan con mayor frecuencia los criterios de priorización previamente establecidos. Finalmente, se presentan tres escenarios con fin de validar la propuesta formulada y ver que comportamiento tienen las redes neuronales en temas de priorización de zonas de mercado.
  • Miniatura
    PublicaciónSólo datos
    CALIBRACIÓN DE LOS PARÁMETROS DE UN MODELO DE HORNO DE ARCO ELÉCTRICO EMPLEANDO SIMULACIÓN Y REDES NEURONALES
    (Fondo Editorial EIA - Universidad EIA, 2015-04-09) Álvarez-López, Mauricio Alexánder; Henao-Baena, Carlos Alberto; Marulanda-Durango, Jesser James
    RESUMENEl horno de arco eléctrico proporciona un medio relativamente simple para la fusión de metales. Se utiliza en la producción de acero de alta pureza, aluminio, cobre, plomo, entre otros metales. Sin embargo, los hornos de arco son considerados como la carga más nociva para el sistema eléctrico de potencia. Por consiguiente, resulta de gran importancia contar con modelos de horno de arco que permitan determinar con alto grado de aproximación el comportamiento de este tipo de carga, puesto que se podría evaluar su impacto en términos de índices de calidad de energía para el sistema de potencia al cual se conecten. Uno de los principales problemas que surge al utilizar los modelos matemáticos de arco eléctrico consiste en la calibración de los parámetros que describen la dinámica del modelo. En este documento se muestra un procedimiento para calibrar todos los parámetros de un modelo de horno de arco eléctrico de corriente alterna, dadas mediciones reales de tensiones y corrientes. Se utiliza una red neuronal multicapa como emulador del modelo del horno. La red neuronal se entrena empleando datos de simulación obtenidos del modelo del horno implementado en el entorno Matlab®-Simulink®. Una vez entrenada la red, los parámetros de interés se obtienen resolviendo un problema inverso. Los resultados obtenidos muestran un error máximo de 4,1 % en el valor eficaz de las corrientes del arco eléctrico.ABSTRACTElectric arc furnace provides a relatively simple way for melting metals. They are used in the production of highly purified steel, aluminium, copper and other metals. However, they are considered the more damaging load for the power system. It is very important, therefore, to count on arc furnace models for determining with high degree of accuracy the performance of this type of load. In this way, it would be possible to assess the impact in terms of power quality indices for the power system to which they might be connected. When using electric arc furnace models in practice, a key issue is the calibration of the parameters of the model. In this paper, we show a procedure for calibrating all the parameters of an AC electric arc furnace model using real measurements of voltages and currents. It uses a multilayer neural network as an emulator of the electric arc furnace model. The neural network is trained using data obtained from the simulation of the electric arc furnace model implemented in Matlab®-Simulink®. Once the network is trained, the parameters of interest are obtained by solving an inverse problem. Results obtained show a maximum percentage error of 4.1 % for the rms value of the current involved in the electrical arc. 
  • Miniatura
    PublicaciónSólo datos
    CNN-PROMOTER, NEW CONSENSUS PROMOTER PREDICTION PROGRAM BASED ON NEURAL NETWORKS
    (Fondo Editorial EIA - Universidad EIA, 2013-10-01) Bedoya, Óscar; Bustamante, Santiago
    A new promoter prediction program called CNN-Promoter is presented. CNN-Promoter allows DNA sequences to be submitted and predicts them as promoter or non-promoter. Several methods have been developed to predict the promoter regions of genomes in eukaryotic organisms including algorithms based on Markov’s models, decision trees, and statistical methods. Although there are plenty of programs proposed, there is still a need to improve the sensitivity and specificity values. In this paper, a new program is proposed; it is based on the consensus strategy of using experts to make a better prediction. The consensus strategy is developed by using neural networks. During the training process, the sensitivity and specificity were 100 % and during the test process the model reaches a sensitivity of 74.5 % and a specificity of 82.7 %.Abstract: En este artículo se presenta un programa nuevo para la predicción de promotores llamado CNN--Promoter, que toma como entrada secuencias de ADN y las clasifica como promotor o no promotor. Se han desarrollado diversos métodos para predecir las regiones promotoras en organismos eucariotas, muchos de los cuales se basan en modelos de Markov, árboles de decisión y métodos estadísticos. A pesar de la variedad de programas existentes para la predicción de promotores, se necesita aún mejorar los valores de sensibilidad y especificidad. Se propone un nuevo programa que se basa en la estrategia de mezcla de expertos usando redes neuronales. Los resultados obtenidos en las pruebas alcanzan valores de sensibilidad y especificidad de 100 % en el entrenamiento y de 74,5 % de sensibilidad y 82,7 % de especificidad en los conjuntos de validación y prueba.
  • Miniatura
    PublicaciónAcceso abierto
    Dispositivo Mecatrónico para Simular la Vibración Característica de los Temblores en Personas con Parkinson o Temblor Esencial
    (Universidad EIA, 2016) Barco Díaz, Carolina; Mesa Restrepo, Ana María
    Los temblores son un tipo de afección neuromotora que produce movimientos oscilatorios involuntarios en alguna parte del cuerpo, comúnmente en los miembros superiores. Este que impacta a más de 10 millones de personas en Estados Unidos, y en Colombia se estima una tasa de 4,7 afectados por cada 1000 personas mayores de 50 años. Diferentes causas pueden producir esta dolencia: accidentes cerebrovasculares o con traumatismos cerebrales, efectos secundarios nocivos de algunos medicamentos, enfermedades neurodegenerativas, daños en el cerebelo y falla hepática o tiroidea, entre otros. Sin embargo, el Parkinson es el trastorno mayormente asociado a los temblores. Este proyecto se enfoca en el desarrollo de un dispositivo mecatrónico que simula la vibración característica de los temblores en personas con Parkinson o temblor esencial. El prototipo cumple la función de simular físicamente el temblor provocado por estas enfermedades permitiendo el estudio de los temblores sin necesidad de tener pacientes presentes, lo que facilita el desarrollo de dispositivos de cancelación activa del temblor. El proyecto se ejecuta en cuatro fases: adquisición, caracterización, construcción y validación. En la primera, se hace uso de sensores y análisis de movimiento para identificar las frecuencias y comportamiento específico del temblor en diferentes pacientes; posteriormente se realiza la caracterización de las señales adquiridas mediante técnicas de procesamiento digital. Basado en esto, se construye un prototipo que emule la característica vibratoria propia del Parkinson o el temblor esencial y finalmente se realizan pruebas para verificar la similitud de las señales producidas en relación con aquellas adquiridas de los pacientes.