minería de datos con redes neuronales artificiales laboratorio de dinámica no lineal departamento...
TRANSCRIPT
![Page 1: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/1.jpg)
Minería de Datos con Redes Neuronales Artificiales
Laboratorio de Dinámica no Lineal
Departamento de Matemáticas
Facultad de Ciencias
UNAM
![Page 2: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/2.jpg)
Contenido
• Contexto (problemática)• Inteligencia computacional y minería de
datos• Redes Neuronales Artificiales• Mapas Autoorganizados• Aplicaciones
![Page 3: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/3.jpg)
Contexto
• La cantidad de información es abrumadora y seguimos generando
• Se mantienen registros de prácticamente todas nuestras acciones y/o decisiones: hábitos financieros, lo que compramos supermercado, llamadas telefónicas, etc.
![Page 4: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/4.jpg)
• Omnipresencia de la computadora• Discos duros económicos (no borramos
archivos)
![Page 5: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/5.jpg)
Ejemplos
20 millones de citas de la literatura biomédica
GenBank: 108,431,692 secuencias genéticas(aproximadamente 106,533,156,756 bases)
![Page 6: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/6.jpg)
![Page 7: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/7.jpg)
![Page 8: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/8.jpg)
The size of the World Wide Web:Estimated size of Google's index
• The Indexed Web contains at least 13.66 billion pages (Wednesday, 02 March, 2011). http://www.worldwidewebsize.com/
![Page 9: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/9.jpg)
¿y cuál es el problema?
• La creciente brecha entre generación de información y nuestra capacidad para entenderla.
• No se esta aprovechando la información potencialmente útil que se encuentra escondida en los datos.
![Page 10: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/10.jpg)
Nuevas Disciplinas
• Minería de Datos • Descubrimiento de Conocimiento en
Bases de Datos
![Page 11: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/11.jpg)
Minería de Datos
• Técnicas que permitan extraer información útil que estaba implícita, y por tanto desconocida, en los datos.
• Basadas en: Estadística, Aprendizaje de Máquina, Teoría de la Información y Ciencias de la Computación.
•
![Page 12: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/12.jpg)
Ejemplo
Ejemplo didáctico. Encontrar reglas que permitan determinar si se juega o no algún deporte considerando las variables: outlook, temperature, humidity y windy. 14 ejemplos.
![Page 13: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/13.jpg)
![Page 14: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/14.jpg)
Extracción Automática de Patrones
![Page 15: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/15.jpg)
Minería de Datos
• Extraer automáticamente “modelos” a partir de datos– Árboles de decisión– Reglas de asociación– Ajuste de funciones– Redes Neuronales Artificiales– Redes Bayesianas, – Etc.
![Page 16: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/16.jpg)
Redes Neuronales Artificiales
![Page 17: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/17.jpg)
Teoría de la Neurona
• Estructura básica y funcional del sistema nervioso. Santiago Ramón y Cajal.
![Page 18: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/18.jpg)
![Page 19: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/19.jpg)
![Page 20: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/20.jpg)
Modelos
Perceptrones
Hodgking-HuxleyIntegración y Disparo
FitzHugh-Nagumo
![Page 21: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/21.jpg)
Modelo de Hodgking-Huxley (1952)
hn
hm
LKNa
LKNa
nnn
LLKKNaNa
V,,VV
ggg
v
hhh
v
mmm
v
nnn
x
vcvvgvvgnvvhgmv
m
n
...
43.
:scales Time
constants Time :,,
potentialsinvertion s Nernst':
esconductanc membrane:,,
)(;
)(;
)(
)()()(
![Page 22: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/22.jpg)
Modelo FitzHugh-Nagumo
gwvbdt
dw
wvavvIdt
dv
1
Electric Potential V(t)
![Page 23: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/23.jpg)
Modelos diferenciales
1)(0)( tuiftu
);,( utFdt
du
Modelos geométricos
Secuencia de disparos nt
![Page 24: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/24.jpg)
McCulloch & Pitts, 1943, Perceptrones
![Page 25: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/25.jpg)
• Perceptrón – Heaviside• Adaline – picewise-lineal• Perceptrón Multicapa - Sigmoidal
![Page 26: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/26.jpg)
![Page 27: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/27.jpg)
![Page 28: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/28.jpg)
![Page 29: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/29.jpg)
![Page 30: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/30.jpg)
Proceso de Entrenamiento (LabSOM)
Entrenamiento
Proyección
![Page 31: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/31.jpg)
![Page 32: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/32.jpg)
Las neuronas compiten para ver
cual de ellas representa de mejor manera al dato de
entrada.
(x1(t),...,xn(t))
Neurona Ganadora
Entrenamiento Competitivo
![Page 33: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/33.jpg)
Tratamiento
de fichas
Aplicación de
indicadores bibliométrico
s.
Aplicación del algoritmo SOM
Selección de un conjunto de fichas.
Visualización de
Información
Análisis Visual
Bases de Datos de
Referencias Bibliográficas
ViBlioSOM: Visualización Bibliométrica con el SOM
![Page 34: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/34.jpg)
Tuberculosis vaccinesChapter 22
Norazmi, MN., Acosta, A.; Sarmiento, M. (eds)..
Oxford Press
Bioinformetric Studies on Tuberculosis Vaccines Research
Maria Victoria Guzmán-Sánchez, Humberto Carrillo-Calvet, José L. Jiménez-Andrade, and Elio A. Villaseñor-García.
![Page 35: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/35.jpg)
![Page 36: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/36.jpg)
![Page 37: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/37.jpg)
![Page 38: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/38.jpg)
![Page 39: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/39.jpg)
![Page 40: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/40.jpg)
Aplicación del SOM en el Análisis de Trayectorias Escolares
Estudio de Género
![Page 41: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/41.jpg)
Datos
• Se consideraron >48,000 registros escolares
(historiales académicos y los cuestionarios de
ingreso) de alumnos de licenciatura en CU, de
las cohortes de ingreso de 1992 a 1996.
• Se hizo el seguimiento de cada una de estas
cinco cohortes por un lapso de 20 semestres.
Tarea: Hacer un análisis automático
![Page 42: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/42.jpg)
Presentación de Resultados
![Page 43: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/43.jpg)
Presentación de Resultados
![Page 44: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/44.jpg)
Presentación de Resultados
![Page 45: Minería de Datos con Redes Neuronales Artificiales Laboratorio de Dinámica no Lineal Departamento de Matemáticas Facultad de Ciencias UNAM](https://reader033.vdocuments.site/reader033/viewer/2022061300/54d49fd3497959c9288b4661/html5/thumbnails/45.jpg)
• Visita:• http://www.dynamics.unam.edu