Desarrollo de nuevos modelos y algoritmos basados en redes neuronales para tareas de minería de datos

Abstract

En esta Tesis Doctoral se propone estudiar y desarrollar modelos neuronales para diversas tareas de clasificación dentro de la minería de datos. En primer lugar, se propone el modelo Volterra-NN para comprimir un clasificador neuronal, manteniendo altas tasas de desempeño. Se extiende la aplicación a clasificadores de mayor complejidad con el modelo aV-NN, logrando exitosamente la compresión de un arreglo de clasificadores, tanto en ejemplos de diversa complejidad surgidos de la literatura, como también en una aplicación real de reconocimiento de rostros. En segundo término, se propone un clasificador neuronal para resolver la correspondencia entre ontologías, aplicándose en un dominio real de I+D con anotaciones semánticas de ontologías utilizadas en la literatura. Por último, se presenta un enfoque basado en la utilización de redes neuronales para modelar las relaciones existentes, pero desconocidas de antemano, entre series temporales en el área de la Bioinformática, probándose sobre un conjunto de datos artificiales simulados, y de datos biológicos reales.