Andaluz crea un nuevo modelo matemático para predecir situaciones reales

Carlos Perales González, doctorando en el Programa de Doctorado en Ciencias de los Datos de la Universidad de Loyola, es el autor de la tesis titulada ‘Diversidad Explícita en Modelos de Ensembles de Extreme Learning Machine’. La tesis presenta un nuevo modelo matemático denominado de entrenamiento de conjunto, ‘Ensembles Extreme’. Este llega a controlar la diversidad de datos así como generalizarlos en las ecuaciones. De esta manera, se logra generalizar en cada caso particular y anticiparse a situaciones reales y elaborar estrategias preventivas.

En los diferentes trabajos de Carlos Perales, a partir de un algoritmo de aprendizaje automático, éste ha desarrollado meta-algoritmos que generalizan los resultados. Además, según indica la Universidad en un comunicado, pueden optimizarlos y mejorar las predicciones en inteligencia artificial.

Esta tesis tiene como base la mejora que necesita esta nueva era de la información para gestionar los datos que se recogen, almacenan y procesan. El fin es anticiparse a situaciones o elaborar estrategias preventivas. Estas pueden ser observar y prever la variación de precios de la vivienda o reconocer patrones de voz.

El encargado de dirigir esta tesis ha sido David Becerra, profesor de la Universidad Loyola en Ciencia de los Datos. Además, el proyecto fue codirigido por los tutores Francisco de Asís Fernández y Mariano Carbonero.

El tribunal de este proyecto ha estado compuesto por Miguel García Torres, doctor de la Universidad Pablo de Olavide (UPO), el profesor doctor de la Universidad Loyola Francisco José Martínez Estudillo y por la doctora de la Universidad de Córdoba (UCO) Aída de Haro García.

Mecanizar la ciencia

En la era actual, los avances tecnológicos facilitan recoger, almacenar y procesar datos a los que antes no se tenía fácil acceso. Son algunas ciencias como la física, la biología o la economía, entre otras, las que más se han beneficiado. Esto ocurre ya que los datos son de primera necesidad para validad o no las hipótesis científicas.

Los llamados algoritmos de aprendizaje automático supervisado son algoritmos matemáticos. Estos usan los datos para deducir ciertas reglas estadísticas que logran relacionar variables de entradas o de salidas.

Es así que logra predecir situaciones con tan solo relacionar los datos obtenidos. Detectar la variación de precios de la vivienda, la detección de caras en una fotografía o los reconocimientos de voz, son alas aplicaciones de estos algoritmos en el mundo real.

Los resultados predictivos se crean mediante correlaciones entre las variables de entrada y salida. Esto provoca que los modelos no siempre se acerquen a la realidad.

Fuente: Europa Press.