Automatización de la edición de datos con redes de neuronas artificiales

  1. Esther Lydia Silva Ramírez 1
  2. Rafael Pino Mejías 2
  3. Manuel López Coello 1
  4. María Dolores Cubiles de la Vega 2
  1. 1 Departamento de Lenguajes y Sistemas Informáticos, Universidad de Cádiz C/Chile 1, 11003 Cádiz (España)
  2. 2 Departamento de Estadística e Investigación Operativa, Universidad de Sevilla Avda. Reina Mercedes s/n, 41012 Sevilla (España)
Actas:
XIII Conferencia de la Asociación Española para la Inteligencia Artificial

Editorial: Asociación Española para la Inteligencia Artificial (http://www.lcc.uma.es/~jcoego/DOCS/CAEPIA09.pdf)

ISBN: 978-84-692-6424-9

Año de publicación: 2009

Páginas: 223-231

Tipo: Aportación congreso

GOOGLE SCHOLAR

Resumen

En el proceso de depuración de información, almacenada en bases de datos estadísticas, se detectan errores, ya sean de tipo aleatorio o errores sistemáticos. Por tanto, es necesario llevar a cabo tareas de depuración que garanticen la completitud y consistencia de los datos. Una de las tareas a realizar en el proceso de depuración es la detección corrección de errores de inconsistencia. En este trabajo se considera el problema de la edición automática de registros estadísticos mediante Redes de Neuronas Artificiales, en concreto se usa el perceptrón multicapa. Se estudian varias arquitecturas y algoritmos de aprendizaje para el perceptrón, mediante su entrenamiento con varios conjuntos de datos, tanto reales como simulados, previamente expuestos a perturbación. Los resultados obtenidos muestran un gran comportamiento de las redes neuronales artificiales en el proceso de edición, incrementando la calidad de los datos.