Palabras clave
Red neuronal artificial
Base de datos
Clasificación
MAO (Mapas Auto Organizados
Cómo citar
Resumen
Los mapas auto-organizados (SOM) de Kohonen, son un tipo de redes neuronales artificiales de aprendizaje no supervisado, que permite la identificación de patrones entre datos midiendo las distancias entre ellos para formar clústers mediante el encuentro de un representante por cada grupo. En este artículo se presenta el algoritmo SOM para representar mapas de datos, se utilizará un programa en Matlab con la herramienta SOM toolbox para llevar a cabo la clasificación de tres tipos de semillas de trigo, a partir de los atributos de las mismas.
Palabras Clave: SOM, entrenamiento, red neuronal artificial, base de datos, clasificación.
Referencias
[1] T. York, A. Ukpong, S. Mylvaganam y Y. Ru, “Parameter estimation from tomographic data using self-organising maps”, 2012 IEEE International Conference on Imaging Systems and Techniques Proceedings, 2012.
[2] F. González y N. Obregón, “Self-organizing maps of Kohonen as a river clustering tool within the methodology for determining regional ecological flows ELOHA”, ISSN 0123-2126. Ingeniería y Universidad [En línea] Disponible en: http://oai.redalyc.org/articulo. oa?id=47728826003 [Última consulta: 28 de mayo de 2017].
[3] A. Yasar, E. Kaya y I. Saritas, “Classification of Wheat Types by Artificial Neural Network”, International Journal of Intelligent Systems and Applications in Engineering, vol. 4, nº 1, pp. 12-15, 2016.
[4] M. Chang,Y. Horng y H. Jia-Sheng, “Evolutionary self-organizing map”, 1998 IEEE International Joint Conference on Neural Networks Proceedings, IEEE World Congress on Computational Intelligence (Cat.No.98CH36227).
[5] A. Akhterov, O. Lezina y A. Shastina, “Diagnostics of development of organizational and managerial competencies of the engineers using the self-organizing kohonen maps”, Automation and Control in Technical Systems, no. 42, 2013.
[6] E. Atenogenes, “Laboratorio de Dinámica no Lineal”, [En línea] Disponible en : http://www.dynamics.unam.edu.mx [Último acceso: 20 de mayo de 2017].
[7] I. Callejas, J. Pineros, J. Rocha, F. Hernández y F. Delgado, “Implementación de una red neuronal artificial tipo SOM en una FPGA para la resolución de trayectorias tipo laberinto”, 2013 II International Congress of Engineering Mechatronics and Automation (CIIMA), 2013.
[8] A. Gómez, “Redes neuronales artificiales: The Self Organizing Maps (SOM) para el reconocimiento de patrones”, Institución Universitaria Los Libertadores, vol. 1, nº 1, 17 diciembre, 2013.
[9] S. Gálvez, “SELF-ORGANIZING MAPS” Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica, Santiago, 2014.
[10] J. Vesanto, J. Himberg, E. Alhoniemi y J. Parhankangas, “Laboratory of Computer and Information Science Adaptive Informatics Research", Helsinki University of Technology, Finland, 1-60, 2000.