Minera de Datos con Redes Neuronales

Artificiales
Laboratorio de Dinmica no Lineal
Departamento de Matemticas
Facultad de Ciencias
UNAM
Contenido
Contexto (problemtica)
Inteligencia computacional y minera de
datos
Redes Neuronales Artificiales
Mapas Autoorganizados
Aplicaciones
Contexto
La cantidad de informacin es
abrumadora y seguimos generando
Se mantienen registros de prcticamente
todas nuestras acciones y/o decisiones:
hbitos financieros, lo que compramos
supermercado, llamadas telefnicas, etc.

Omnipresencia de la computadora
Discos duros econmicos (no borramos
archivos)


Ejemplos

20 millones de
citas de la
literatura
biomdica
GenBank:
108,431,692
secuencias genticas
(aproximadamente
106,533,156,756
bases)


The size of the World Wide Web:
Estimated size of Google's index








The Indexed Web contains at least 13.66 billion pages
(Wednesday, 02 March, 2011). http://www.worldwidewebsize.com/
y cul es el problema?
La creciente brecha entre generacin de
informacin y nuestra capacidad para
entenderla.

No se esta aprovechando la informacin
potencialmente til que se encuentra
escondida en los datos.
Nuevas Disciplinas
Minera de Datos
Descubrimiento de Conocimiento en
Bases de Datos

Minera de Datos
Tcnicas que permitan extraer
informacin til que estaba implcita, y
por tanto desconocida, en los datos.


Basadas en: Estadstica, Aprendizaje de Mquina,
Teora de la Informacin y Ciencias de la Computacin.

Ejemplo


Ejemplo didctico. Encontrar reglas que permitan determinar si se juega o
no algn deporte considerando las variables: outlook, temperature,
humidity y windy. 14 ejemplos.

Extraccin Automtica de Patrones
Minera de Datos
Extraer automticamente modelos a
partir de datos
rboles de decisin
Reglas de asociacin
Ajuste de funciones
Redes Neuronales Artificiales
Redes Bayesianas,
Etc.
Redes Neuronales Artificiales

Teora de la Neurona
Estructura bsica y funcional del sistema
nervioso. Santiago Ramn y Cajal.











Modelos

Perceptrones
Hodgking-Huxley
Integracin y Disparo
FitzHugh-Nagumo
Modelo de Hodgking-Huxley (1952)
| | | | | |
h n
h m
L K Na
L K Na
n n n
L L K K Na Na
V , ,V V
g g g
v
h h
h
v
m m
m
v
n n
n
x
v
c v v g v v g n v v hg m v
t t t
t t t
t t t
~ <<

=
c
c
+ =

m
n
. . .
4 3
.
: scales Time
constants Time : , ,
potentials invertion s Nernst' :
es conductanc membrane : , ,
) (
;
) (
;
) (
) ( ) ( ) (
Modelo FitzHugh-Nagumo
( )( )
( ) gw v b
dt
dw
w v a v v I
dt
dv
=
= 1
Electric Potential V(t)
Modelos diferenciales


1 ) ( 0 ) ( = =
+
t u if t u
) ; , ( u t F
dt
du
=
Modelos geomtricos
Secuencia de disparos
{ }
n
t
McCulloch & Pitts, 1943, Perceptrones






Perceptrn Heaviside
Adaline picewise-lineal
Perceptrn Multicapa - Sigmoidal






Proceso de Entrenamiento (LabSOM)

Entrenamiento
Proyeccin

Las neuronas compiten
para ver cual de ellas
representa de mejor
manera al dato de
entrada.
(x1(t),...,xn(t))
Neurona Ganadora
Entrenamiento Competitivo

Tratamiento
de fichas
Aplicacin
de
indicadores
bibliomtrico
s.
Aplicacin del
algoritmo SOM
Seleccin de
un conjunto
de fichas.
Visualizaci
n de
Informacin
Anlisis Visual
Bases de
Datos de
Referencias
Bibliogrficas
ViBlioSOM: Visualizacin Bibliomtrica con el SOM
Tuberculosis vaccines
Chapter 22
Norazmi, MN., Acosta, A.; Sarmiento, M. (eds)..
Oxford Press

Bioinformetric Studies on Tuberculosis Vaccines Research

Maria Victoria Guzmn-Snchez, Humberto Carrillo-Calvet, Jos
L. Jimnez-Andrade, and Elio A. Villaseor-Garca.





Aplicacin del SOM en el Anlisis de
Trayectorias Escolares
Estudio de Gnero
Datos
Se consideraron >48,000 registros escolares
(historiales acadmicos y los cuestionarios de
ingreso) de alumnos de licenciatura en CU, de
las cohortes de ingreso de 1992 a 1996.
Se hizo el seguimiento de cada una de estas
cinco cohortes por un lapso de 20 semestres.
Tarea: Hacer un anlisis automtico
Presentacin de Resultados
Presentacin de Resultados
Presentacin de Resultados

Visita:
http://www.dynamics.unam.edu