www.maysaconsultores.com.ar

Modelización con Redes Neuronales

 

Duración: Descripción: Aprenda cómo: Quiénes debieran asistir Prerrequisitos Contenido
    Introducción a las redes neuronales:
    1. Uso del procedimiento NLIN para regresión no lineal.
    2. Uso del procedimiento REG para regresión polinomial.
    3. Uso del procedimiento GPLOT para regresión no paramétrica.
    Algunas arquitecturas de las redes neuronales:
    1. Construcción de perceptrones multicapa.
    2. Construcción de redes de funciones de base radial.
    Aprendizaje:
    1. Teoría estadística de las funciones de error.
    2. Ventajas y desventajas de los métodos de optimización numérica.
    3. Evitación de mínimos locales inferiores.
    Proc NEURAL:
    1. Selección de variables predictoras usando interpretación de los pesos.
    2. Selección de variables predictoras usando recorte basado en sensibilidad.
    Redes híbridas:
    1. Definición e ilustración del uso de una red neuronal de contrapropagación.
    2. Definición de una red neuronal aditiva generalizada (GANN).
    3. Ilustración del uso del paradigma GANN y comparación de su performance con
      otros métodos.
    4. Definición e ilustración de cómo puede usarse un modelo subrogante para
      comprender las predicciones de una red neuronal.
    Nodo AUTONEURAL:
    1. Comparación de las arquitecturas autoneuronales.