{"id":102618,"date":"2010-08-07T00:00:00","date_gmt":"2010-08-07T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/nuevas-tecnicas-de-seleccion-de-parametros-en-maquinas-de-vectores-soporte-para-regresion\/"},"modified":"2010-08-07T00:00:00","modified_gmt":"2010-08-07T00:00:00","slug":"nuevas-tecnicas-de-seleccion-de-parametros-en-maquinas-de-vectores-soporte-para-regresion","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/fuentes-no-convencionales-de-energia\/nuevas-tecnicas-de-seleccion-de-parametros-en-maquinas-de-vectores-soporte-para-regresion\/","title":{"rendered":"Nuevas t\u00e9cnicas de selecci\u00f3n de par\u00e1metros en m\u00e1quinas de vectores soporte para regresi\u00f3n"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Emilio Gede\u00f3n Ortiz Garc\u00eda <\/strong><\/h2>\n<p>Esta tesis se centra en el \u00e1mbito de las herramientas para el aprendizaje m\u00e1quina, enfocadas a problemas de regresi\u00f3n. En concreto en una de las t\u00e9cnicas m\u00e1s importantes y novedosas de los \u00faltimos a\u00f1os: las m\u00e1quinas de vectores soporte para regresi\u00f3n. Estas herramientas son conocidas por su habilidad para encontrar modelos con un grado de generalizaci\u00f3n muy elevado. Entre sus caracter\u00edsticas m\u00e1s importantes: la capacidad de aproximar funciones no lineales aprovechando la teor\u00eda de kernels, y su r\u00e1pido y \u00f3ptimo algoritmo de entrenamiento utilizado para encontrar el modelo final de regresi\u00f3n. Por el contrario, el problema de optimizaci\u00f3n asociado a este tipo de modelos de regresi\u00f3n depende de una serie de hiper-par\u00e1metros que deben de ser establecidos para realizar el entrenamiento. La decisi\u00f3n de cu\u00e1les deben ser los valores de estos hiper-par\u00e1metros es un tema ampliamente tratado en la literatura. Existen dos alternativas generalmente aceptadas. La primera es una selecci\u00f3n directa basada en la experiencia del autor, lo cu\u00e1l puede generar problemas a investigadores noveles. La segunda es la utilizaci\u00f3n de herramientas de b\u00fasqueda autom\u00e1ticas como pueden ser la b\u00fasqueda grid, la b\u00fasqueda por gradiente o t\u00e9cnicas evolutivas. Todas estas t\u00e9cnicas requieren de la especificaci\u00f3n de un espacio de b\u00fasqueda del cual se obtendr\u00e1 el conjunto de hiper-par\u00e1metros \u00f3ptimo, lo que condiciona ampliamente el tiempo necesario para dicha b\u00fasqueda. Sin embargo, este espacio de b\u00fasqueda no ha sido hasta la fecha establecido de una manera te\u00f3rica, siendo siempre seleccionado por pruebas experimentales. para llevar a cabo una definici\u00f3n del espacio de b\u00fasqueda de hiper-par\u00e1metros se ha desarrollado un an\u00e1lisis te\u00f3rico de las propiedades y el comportamiento que los modelos cl\u00e1sicos de regresi\u00f3n para m\u00e1quinas de vectores soporte y sus par\u00e1metros asociados presentan. Esto ha permitido el desarrollo de una delimitaci\u00f3n inicial del espacio de b\u00fasqueda mediante cotas generales para los par\u00e1metros que as\u00ed lo permiten y una posterior reducci\u00f3n del espacio total mediante cotas m\u00e1s restrictivas para todos ellos. Para estas \u00faltimas se ha aprovechando las relaciones que existen entre los diferentes hiper-par\u00e1metros y siempre teniendo en cuenta la b\u00fasqueda de modelos con alta capacidad de generalizaci\u00f3n. La acotaci\u00f3n inicial del espacio de b\u00fasqueda de hiper-par\u00e1metros y la reducci\u00f3n del mismo han sido comparadas mediante el uso de una b\u00fasqueda grid, realizando m\u00faltiples experimentos sobre conjuntos de car\u00e1cter gen\u00e9rico. \u00e9stos han permitido comprobar que el tiempo de entrenamiento utilizando la reducci\u00f3n del espacio es muy considerable y sin generar p\u00e9rdidas en la precisi\u00f3n de los modelos encontrados que sean significativas. Por otra parte, tambi\u00e9n se ha comparado esta b\u00fasqueda grid con reducci\u00f3n del espacio frente a otras t\u00e9cnicas disponibles en la literatura, demostrando una mejor relaci\u00f3n tiempo-precisi\u00f3n frente a \u00e9stas. por otra parte, tambi\u00e9n orientado a la reducci\u00f3n del espacio de b\u00fasqueda y a la consecuente reducci\u00f3n del tiempo de entrenamiento, se ha desarrollado una metodolog\u00eda basada en la estimaci\u00f3n de uno de los hiper-par\u00e1metros del modelo cl\u00e1sico de regresi\u00f3n, en particular, el par\u00e1metro de regularizaci\u00f3n que controla el balance entre la b\u00fasqueda de un modelo con mayor generalizaci\u00f3n o un modelo que se aproxime mejor a los datos disponibles. De este modo, al estimar directamente su valor, se consigue eliminar una de las dimensiones del espacio de b\u00fasqueda, reduciendo el tiempo necesario para la b\u00fasqueda del resto de par\u00e1metros. De manera similar al caso anterior, esta reducci\u00f3n presenta un tiempo de entrenamiento menor que la metodolog\u00eda cl\u00e1sica de b\u00fasqueda grid provocando leves p\u00e9rdidas en el rendimiento de los modelos. una vez establecida la metodolog\u00eda de b\u00fasqueda de hiper-par\u00e1metros se procede a su utilizaci\u00f3n en dos aplicaciones espec\u00edficas de alto inter\u00e9s social. La primera de ellas es la predicci\u00f3n de viento en parques e\u00f3licos como herramienta de mejora en la implantaci\u00f3n de este tipo de energ\u00edas renovables. Para llevar a cabo esta predicci\u00f3n se han realizado varios estudios de los modelos f\u00edsicos que gobiernan el comportamiento del viento. Estos modelos se han caracterizado finalmente mediante la utilizaci\u00f3n de modelos globales de medici\u00f3n de variables meteorol\u00f3gicas as\u00ed como un proceso de downscaling que permiten transformar los datos a nivel global a niveles locales centrados alrededor del parque e\u00f3lico de estudio. De este modo, es posible realizar una predicci\u00f3n de ciertas variables meteorol\u00f3gicas que pueden ser utilizadas en un proceso de aprendizaje, basado en modelos de regresi\u00f3n como redes neuronales o m\u00e1quinas de vectores soporte, para realizar la predicci\u00f3n final en cada aerogenerador. Mediante el uso de m\u00faltiples sistemas como el anterior, basados en la utilizaci\u00f3n de varios modelos de predicci\u00f3n global y de downscaling, se puede obtener una gran diversidad de datos de entrada. Esto ha permitido el desarrollo de estructuras complejas de predicci\u00f3n basadas en la agrupaci\u00f3n de m\u00faltiples modelos en bancos de m\u00e1quinas de vectores soporte, habi\u00e9ndose realizado un estudio comparativo de las mismas. Por otra parte, tambi\u00e9n se ha comparado la mejor alternativa basada en m\u00e1quinas de vectores soporte con un perceptr\u00f3n multicapa realizado en estudios previos, que ha permitido demostrar la elevada eficiencia de los mismos. la segunda aplicaci\u00f3n est\u00e1 relacionada con el modelado y predicci\u00f3n de niveles de concentraci\u00f3n de ozono, bas\u00e1ndose en la red de monitorizaci\u00f3n de calidad del aire de la ciudad de Madrid. Para ello se han realizado dos estudios, relativos a predicci\u00f3n diaria de m\u00e1ximos y predicci\u00f3n horaria. En ambos estudios se realiza una evaluaci\u00f3n completa de las variables necesarias para mejorar el sistema de predicci\u00f3n. Entre las variables utilizadas se destacan el uso del propio hist\u00f3rico de las estaciones donde se realiza la predicci\u00f3n, el uso del hist\u00f3rico de las estaciones cercanas a las de estudio y la utilizaci\u00f3n de variables meteorol\u00f3gicas como son la temperatura y la radiaci\u00f3n.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Nuevas t\u00e9cnicas de selecci\u00f3n de par\u00e1metros en m\u00e1quinas de vectores soporte para regresi\u00f3n<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Nuevas t\u00e9cnicas de selecci\u00f3n de par\u00e1metros en m\u00e1quinas de vectores soporte para regresi\u00f3n <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Emilio Gede\u00f3n Ortiz Garc\u00eda <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Alcal\u00e1<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 08\/07\/2010<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Sancho Salcedo Sanz<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: manuel Rosa zurera <\/li>\n<li>oscar Cord\u00f3n Garc\u00eda (vocal)<\/li>\n<li>mauricio Naldi (vocal)<\/li>\n<li>c\u00e9sar Herv\u00e1s mart\u00ednez (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Emilio Gede\u00f3n Ortiz Garc\u00eda Esta tesis se centra en el \u00e1mbito de las herramientas para el aprendizaje [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[17426,43015,11675,2205,4030],"tags":[20815,208097,37659,208098,40068,59569],"class_list":["post-102618","post","type-post","status-publish","format-standard","hentry","category-alcala","category-computacion-analogica","category-control-de-la-contaminacion-atmosferica","category-fuentes-no-convencionales-de-energia","category-tecnicas-de-prediccion-estadistica","tag-cesar-hervas-Martinez","tag-emilio-gedeon-ortiz-garcia","tag-manuel-rosa-zurera","tag-mauricio-naldi","tag-oscar-cordon-garcia","tag-sancho-salcedo-sanz"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102618","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=102618"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102618\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=102618"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=102618"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=102618"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}