Resumen de Diseño automático de redes de neuronas artificiales para la predicción de series temporales
El ser humano ha avanzado mucho, tecnológicamente hablando, en el último siglo. La sed por descubrir e innovar no tiene límites y como no, aplicar dichas innovaciones para nuestro provecho y bienestar general. Uno de los campos de investigación a los que se ha aplicado dicha innovación es la predicción. Al hablar de predicción, lo primero que nos puede venir a la cabeza son temas no tan científicos como la astrología o la lectura de manos, pero en realidad, diversos métodos estadísticos y matemáticos pueden ayudar a proporcionar información sobre el futuro. Uno de los ejemplos más comunes es la predicción del tiempo meteorológico que podemos observar cada día en televisión.
Además de los métodos ya mencionados, en los últimos años ha proliferado el estudio de la predicción mediante técnicas de inteligencia computacional y dentro de las predicciones, aquellas que se ocupan de predecir series temporales. La predicción de series temporales consiste en llevar a cabo aproximaciones o estimaciones de qué valores tendrán los elementos futuros de una serie temporal partiendo de los valores de los elementos previos o ya conocidos. Como veremos en esta tesis doctoral, a lo largo de los años se han usado diferentes técnicas de inteligencia computacional con este propósito, aunque nosotros nos entraremos en las redes de neuronas artificiales. Plantearemos las ventajas y problemas que se pueden dar y nos centraremos en intentar solventar dichos problemas. Uno de los problemas clave que se plantea ctualmente a la hora de aplicar redes de neuronas artificiales a cualquier dominio dado, es su correcto diseño. Estudiaremos pues las diferentes soluciones propuestas para el correcto diseño de las redes de neuronas artificiales, aunque terminaremos centrándonos en aquellas que hacen uso de la computación evolutiva. Este modelo de redes es el que se conoce como redes de neuronas artificiales evolutivas.
Esta tesis doctoral presenta tres enfoques diferentes para el modelado automático de redes de neuronas artificiales. Cada enfoque irá destinado a solventar cada uno de lo que nosotros consideramos los tres puntos o problemas claves existentes al diseñar una red de neuronas artificial. El primer enfoque consistirá en el tratamiento de los datos que son pasados como patrones a la red para que ésta aprenda y sea evaluada. El segundo enfoque se centrará en las diferentes técnicas evolutivas que pueden ser usadas, cómo obtener un fenotipo a partir de un genotipo (y viceversa) y cómo evaluar una red. El último enfoque que se estudiará, es el tipo de arquitectura de red que debe ser usada para la predicción de series temporales.
El objetivo final de esta tesis doctoral es llevar a cabo un sistema automático de diseño de redes de neuronas artificiales para solventar problemas de predicción de series temporales con la mayor exactitud posible y transparente al usuario, es decir, que este no tenga que ser un experto en la materia para poder hacer uso de él.
